Ocean：面向目标感知的无锚框跟踪
计算机视觉与模式识别
2020-07-10 v2
摘要
基于锚框的孪生跟踪器在精度上已取得显著进展，但进一步的提升受限于滞后的跟踪鲁棒性。我们发现其根本原因在于基于锚框方法的回归网络仅在正锚框（即 ）上训练。该机制使得难以细化与目标物体重叠度小的锚框。本文中，我们提出一种新颖的目标感知无锚框网络来解决此问题。首先，我们不直接细化参考锚框，而是以无锚框方式直接预测目标物体的位置与尺度。由于真值框中的每个像素都经过充分训练，跟踪器能够在推理时纠正对目标物体的不精确预测。其次，我们引入特征对齐模块，从预测边界框中学习目标感知特征。该目标感知特征可进一步有助于目标物体与背景的分类。此外，我们提出了一种基于无锚框模型的新型跟踪框架。实验表明，我们的无锚框跟踪器在 VOT-2018、VOT-2019、OTB-100、GOT-10k 和 LaSOT 五个基准上均达到 SOTA 性能。源代码见 https://github.com/researchmm/TracKit。
引用
@article{arxiv.2006.10721,
title = {Ocean: Object-aware Anchor-free Tracking},
author = {Zhipeng Zhang and Houwen Peng and Jianlong Fu and Bing Li and Weiming Hu},
journal= {arXiv preprint arXiv:2006.10721},
year = {2020}
}
备注
Accepted by ECCV2020