用于目标跟踪的全卷积孪生网络
计算机视觉与模式识别
2021-12-03 v3
摘要
任意目标跟踪问题传统上是通过仅使用视频本身作为唯一训练数据在线学习对象外观模型来解决的。尽管这些方法取得了成功，但其仅在线的方法固有地限制了它们能学习的模型的丰富性。最近，已有若干尝试利用深度卷积网络的表达能力。然而，当要跟踪的对象事先未知时，必须在线执行随机梯度下降（Stochastic Gradient Descent）以适应网络权重，严重影响了系统速度。在本文中，我们为一个基础跟踪算法配备了一个新颖的全卷积孪生网络，该网络在 ILSVRC15 视频目标检测数据集上端到端训练。我们的跟踪器以超越实时的帧率运行，并且尽管极其简单，却在多个基准测试中取得了最先进的性能。
引用
@article{arxiv.1606.09549,
title = {Fully-Convolutional Siamese Networks for Object Tracking},
author = {Luca Bertinetto and Jack Valmadre and João F. Henriques and Andrea Vedaldi and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1606.09549},
year = {2021}
}
备注
The first two authors contributed equally, and are listed in alphabetical order. Code available at http://www.robots.ox.ac.uk/~luca/siamese-fc.html