GradNet：用于视觉目标跟踪的梯度引导网络
计算机视觉与模式识别
2019-09-17 v1
摘要
基于模板匹配的全卷积孪生网络在视觉跟踪中已显示出巨大潜力。在测试期间，模板由初始目标特征固定，性能完全依赖于孪生网络的通用匹配能力。然而，这种方式无法捕捉目标或背景杂波的时间变化。在这项工作中，我们提出一种新颖的梯度引导网络，以利用梯度中的判别信息，并通过前向后向操作更新孪生网络中的模板。我们的算法执行前向后向操作以利用梯度中的判别信息并捕捉目标的核心注意力。具体而言，该算法可利用来自梯度的信息更新当前帧中的模板。此外，提出了一种模板泛化训练方法以更好地利用梯度信息并避免过拟合。据我们所知，这项工作是首次尝试在基于孪生网络的跟踪器中利用梯度信息进行模板更新。在近期基准上的大量实验表明，我们的方法取得了优于其他最先进（state-of-the-art）跟踪器的性能。
引用
@article{arxiv.1909.06800,
title = {GradNet: Gradient-Guided Network for Visual Object Tracking},
author = {Peixia Li and Boyu Chen and Wanli Ouyang and Dong Wang and Xiaoyun Yang and Huchuan Lu},
journal= {arXiv preprint arXiv:1909.06800},
year = {2019}
}
备注
accepted by ICCV2019 (Oral)