面向快速视觉目标跟踪计算的移动端 CNN 特征提取学习
计算机视觉与模式识别
2021-04-06 v1 图形学
机器学习
摘要
本文利用训练好的 CNN 构建了一种轻量、高精度且高速的目标跟踪方法。使用训练好的 CNN 的常规方法采用 VGG16 网络，该网络需要强大的计算资源。因此，存在难以应用于低计算资源环境的问题。为解决该问题，我们使用面向移动终端的 CNN——MobileNetV3。基于特征图选择跟踪（Feature Map Selection Tracking），我们提出了一种提取 MobileNet 中用于目标跟踪的有效特征的新架构。该架构无需在线学习，仅需离线学习。此外，通过利用跟踪目标以外其他物体的特征，可更高效地提取跟踪目标的特征。我们使用 Visual Tracker Benchmark 衡量跟踪精度，并确认所提方法即使在低计算资源环境下也能实现高精度与高速计算。
引用
@article{arxiv.2104.01381,
title = {Learning Mobile CNN Feature Extraction Toward Fast Computation of Visual Object Tracking},
author = {Tsubasa Murate and Takashi Watanabe and Masaki Yamada},
journal= {arXiv preprint arXiv:2104.01381},
year = {2021}
}
备注
9 pages, 17 figures