用于视觉跟踪的循环滤波器学习

近年来，由于卷积神经网络（CNN）对图像具有鲁棒的特征表示，其在视觉跟踪中获得了普及。最近的方法通过使用随机梯度下降（SGD）反向传播对预训练的 CNN 模型进行微调以适应特定目标对象，从而执行在线跟踪，这通常非常耗时。在本文中，我们提出了一种用于视觉跟踪的循环滤波器生成方法。我们直接将目标的图像块输入到循环神经网络（RNN）中，以估计用于跟踪的特定对象滤波器。由于视频序列是时空数据，我们将 RNN 全连接层的矩阵乘法扩展为特征图上的卷积操作，这不仅保留了目标的空间结构，而且节省内存。后续帧中的被跟踪对象将被输入到 RNN 中，以使生成的滤波器适应目标的外观变化。请注意，一旦我们网络的离线训练过程完成，就无需针对特定对象微调网络，这使得我们的方法比使用迭代微调在线学习目标的方法更高效。在广泛使用的基准 OTB 和 VOT 上进行的大量实验表明，与其他最近的方法相比，取得了令人鼓舞的结果。