从基于相关滤波的视觉跟踪器中移除余弦窗：何时与如何移除
计算机视觉与模式识别
2023-07-19 v1
摘要
相关滤波器（CFs）持续提升着最先进（SOTA）的跟踪性能，并在近年内被广泛研究。现有大多数 CF 跟踪器采用余弦窗对基准图像进行空间重加权，以缓解边界不连续问题。然而，余弦窗更强调基准图像的中心区域，并在模型学习过程中存在污染负训练样本的风险。另一方面，许多近期 CF 跟踪器中部署的空间正则化通过对 CF 系数施加空间惩罚，起到了与余弦窗类似的作用。因此，本文研究了在带空间正则化的 CF 跟踪器中移除余弦窗的可行性。当直接移除余弦窗时，带空间正则化的 CF 仍会受到小程度的边界不连续影响。为解决该问题，进一步引入了二值与高斯形状的掩码函数，以消除边界不连续并对各训练样本估计误差进行重加权，且可融入多种带空间正则化的 CF 跟踪器。相较于使用余弦窗的对应方法，我们的方法能有效处理边界不连续与样本污染，从而提升跟踪性能。在三个基准上的大量实验表明，使用手工特征或深度 CNN 特征时，我们的方法均优于最先进（SOTA）的跟踪器。代码已公开于 https://github.com/lifeng9472/Removing_cosine_window_from_CF_trackers。
引用
@article{arxiv.1905.06648,
title = {Remove Cosine Window from Correlation Filter-based Visual Trackers: When and How},
author = {Feng Li and Xiaohe Wu and Wangmeng Zuo and David Zhang and Lei Zhang},
journal= {arXiv preprint arXiv:1905.06648},
year = {2023}
}
备注
13 pages, 7 figures, submitted to IEEE Transactions on Image Processing