MAVOT：记忆增强的视频目标跟踪
计算机视觉与模式识别
2017-11-28 v1 人工智能
机器学习
摘要
我们提出了一种用于视频目标跟踪的一次性学习方法。所提算法只需看到待跟踪目标一次，并利用外部记忆在跟踪过程中随时间存储和记住前景目标及背景的演化特征。通过每次跟踪中相关记忆的检索与更新，我们的跟踪模型能够保持目标的长期记忆，从而自然地处理困难跟踪场景，包括部分与完全遮挡、运动变化以及大尺度与形状变化。在实验中，我们使用ImageNet ILSVRC2015视频检测数据集进行训练，并使用VOT-2016基准进行测试并与我们的记忆增强视频目标跟踪（MAVOT）模型比较。从结果中我们得出结论，鉴于其一次性特性和设计的简洁性，MAVOT在视觉跟踪中是一种有吸引力的方法，因为它在VOT-2016基准上表现出良好性能，并在遮挡、运动变化和空目标方面的准确性与鲁棒性位居前5。
引用
@article{arxiv.1711.09414,
title = {MAVOT: Memory-Augmented Video Object Tracking},
author = {Boyu Liu and Yanzhao Wang and Yu-Wing Tai and Chi-Keung Tang},
journal= {arXiv preprint arXiv:1711.09414},
year = {2017}
}
备注
Submitted to CVPR2018