面向鲁棒 RGB-T 跟踪的学习型目标导向双重注意力机制
计算机视觉与模式识别
2019-08-14 v1
摘要
RGB-热红外目标跟踪试图利用互补的可见光与热红外数据来定位目标物体。现有的 RGB-T 跟踪器通过鲁棒的特征表示学习或自适应模态加权来融合不同模态。然而，如何为视觉跟踪集成双重注意力机制仍是一个尚未被研究的课题。本文提出两种用于鲁棒 RGB-T 目标跟踪的视觉注意力机制。具体而言，局部注意力通过利用 RGB 与热红外数据的共同视觉注意力来训练深度分类器得以实现。我们还引入了全局注意力，即一种多模态目标驱动的注意力估计网络。它可与从先前跟踪结果中提取的局部候选框一起，为分类器提供全局候选框。在两个 RGB-T 基准数据集上的大量实验验证了我们所提算法的有效性。
引用
@article{arxiv.1908.04441,
title = {Learning Target-oriented Dual Attention for Robust RGB-T Tracking},
author = {Rui Yang and Yabin Zhu and Xiao Wang and Chenglong Li and Jin Tang},
journal= {arXiv preprint arXiv:1908.04441},
year = {2019}
}
备注
Accepted by IEEE ICIP 2019