Meta-Tracker：面向视觉目标跟踪器的快速鲁棒在线自适应
计算机视觉与模式识别
2018-03-21 v2 机器学习
摘要
本文改进了使用在线自适应的当前最优视觉目标跟踪器。我们的核心贡献是一种基于离线元学习的方法来调整在线自适应跟踪中所用的初始深度网络。元学习由如下目标驱动：深度网络能够快速自适应以在未来帧中鲁棒地建模特定目标。理想情况下，所得模型聚焦于对未来帧有用的特征，并避免过拟合到背景杂波、目标的小部分或噪声。通过在元学习期间强制少量更新迭代，所得网络训练显著更快。我们在高性能跟踪方法——基于跟踪即检测的 MDNet 与基于相关的 CREST——之上演示了该方法。在标准基准 OTB2015 和 VOT2016 上的实验结果表明，我们元学习版本的两种跟踪器均提升了速度、精度与鲁棒性。
引用
@article{arxiv.1801.03049,
title = {Meta-Tracker: Fast and Robust Online Adaptation for Visual Object Trackers},
author = {Eunbyung Park and Alexander C. Berg},
journal= {arXiv preprint arXiv:1801.03049},
year = {2018}
}
备注
Code: https://github.com/silverbottlep/meta_trackers