从无标注视频中学习跟踪目标
计算机视觉与模式识别
2021-08-31 v1
摘要
本文中，我们提出从零开始学习一个无监督单目标跟踪器(USOT)。我们指出三个主要挑战，即运动目标发现、丰富时间变化利用以及在线更新，是现有无监督跟踪器性能瓶颈的核心原因。为缩小无监督跟踪器与有监督跟踪器之间的差距，我们提出一种由三阶段组成的有效无监督学习方法。首先，我们利用无监督光流与动态规划采样顺序运动目标，而非随机裁剪。其次，我们使用单帧对从零训练一个朴素 Siamese 跟踪器。第三，我们用一种新颖的循环记忆学习方案继续训练该跟踪器，该方案在更长的时间跨度上进行，并使我们跟踪器能够在线更新。大量实验表明，所提出的从非标注视频学习的 USOT 大幅优于最先进的无监督跟踪器，并与近期有监督深度跟踪器表现相当。代码见 https://github.com/VISION-SJTU/USOT。
引用
@article{arxiv.2108.12711,
title = {Learning to Track Objects from Unlabeled Videos},
author = {Jilai Zheng and Chao Ma and Houwen Peng and Xiaokang Yang},
journal= {arXiv preprint arXiv:2108.12711},
year = {2021}
}
备注
Accpeted to ICCV2021