基于深度表观与运动特征融合的无模型跟踪
计算机视觉与模式识别
2018-12-18 v1
摘要
能够跟踪匿名目标的无模型跟踪器具有全面的适用性，不受目标类型限制。然而，设计这样一种通用框架面临着缺乏面向对象先验信息的挑战。作为一种解决方案，本文依靠卷积神经网络（CNNs）设计了一种实时无模型目标跟踪方法。为克服以对象为中心的信息匮乏，所提出的 AMNet（一种端到端离线训练的双流网络）深度融合了表观与运动特征。在两条并行流之间，ANet 利用多尺度孪生空洞 CNN 研究表观特征，实现基于匹配的跟踪策略。MNet 通过处理通用运动特征实现深度运动检测，以定位匿名运动目标。每帧的最终跟踪结果由融合两个子网络的输出响应图生成。所提出的 AMNet 在 OTB 和 VOT 基准数据集上均报告了领先性能，并具备良好的实时处理速度。
引用
@article{arxiv.1812.06418,
title = {Model-free Tracking with Deep Appearance and Motion Features Integration},
author = {Xiaolong Jiang and Peizhao Li and Xiantong Zhen and Xianbin Cao},
journal= {arXiv preprint arXiv:1812.06418},
year = {2018}
}
备注
10 pages, 10 figures. Accepted in IEEE Winter Conference on Applications of Computer Vision (WACV), 2019