基于在线选择的多分支孪生网络目标跟踪
计算机视觉与模式识别
2018-09-05 v3
摘要
本文提出一种基于分支选择机制的鲁棒目标跟踪算法，从多分支孪生网络中选择最有效的目标表示。虽然大多数深度学习跟踪器使用单一 CNN 进行目标表示，所提出的多分支孪生跟踪器（MBST）采用了为不同任务预训练的多个 CNN 分支，并用于我们跟踪方法中的多种目标表示。借助分支选择机制，可根据目标特征以在线方式选择合适的 CNN 分支。通过使用相对于被跟踪对象最充分的目标表示，我们的方法实现了实时跟踪，同时在目标跟踪基准上相比标准孪生网络跟踪器获得了更优的性能。
引用
@article{arxiv.1808.07349,
title = {Multi-Branch Siamese Networks with Online Selection for Object Tracking},
author = {Zhenxi Li and Guillaume-Alexandre Bilodeau and Wassim Bouachir},
journal= {arXiv preprint arXiv:1808.07349},
year = {2018}
}
备注
ISVC2018, oral presentation