基于金字塔相关的深度霍夫投票用于视觉目标跟踪
计算机视觉与模式识别
2021-10-18 v1
摘要
现有的大多数基于孪生网络的跟踪器将跟踪问题视为分类和回归的并行任务。然而，一些研究表明，这种孪生头结构可能导致网络训练期间的次优解。通过实验我们发现，只要精心设计网络以适应训练目标，即使没有回归，性能也同样有希望。我们引入一种新颖的基于投票的纯分类跟踪算法，名为基于金字塔相关的深度霍夫投票（简称 PCDHV），以联合定位目标的左上角和右下角。具体来说，我们创新性地构建了一个金字塔相关模块，为嵌入特征配备细粒度的局部结构和全局空间上下文；精心设计的深度霍夫投票模块进一步接手，整合像素的长程依赖关系以感知角点；此外，通过提高特征图的空间分辨率并利用通道-空间关系，简单而有效地缓解了普遍存在的离散化间隙。该算法通用、鲁棒且简单。我们通过一系列消融实验证明了该模块的有效性。在没有额外技巧的情况下，我们的跟踪器在三个具有挑战性的基准测试（TrackingNet、GOT-10k 和 LaSOT）上取得了与 SOTA 算法相当或更好的性能，同时以 80 FPS 的实时速度运行。代码和模型将发布。
引用
@article{arxiv.2110.07994,
title = {Pyramid Correlation based Deep Hough Voting for Visual Object Tracking},
author = {Ying Wang and Tingfa Xu and Jianan Li and Shenwang Jiang and Junjie Chen},
journal= {arXiv preprint arXiv:2110.07994},
year = {2021}
}
备注
Accepted by ACML 2021 Conference Track (Short Oral)