用于视觉跟踪的 ROI 池化相关滤波
计算机视觉与模式识别
2019-11-06 v1
摘要
基于 ROI（感兴趣区域）的池化方法对裁剪出的各样本 ROI 区域执行池化操作，在目标检测方法中已取得巨大成功。它在保持定位精度的同时压缩了模型尺寸，因而在视觉跟踪领域很有用。尽管有效，基于 ROI 的池化操作尚未在相关滤波公式中得到考虑。本文提出一种新颖的 ROI 池化相关滤波（RPCF）算法用于鲁棒视觉跟踪。通过数学推导，我们表明基于 ROI 的池化可等价地通过对所学滤波器权重施加额外约束来实现，这使得基于 ROI 的池化在虚拟循环样本上可行。此外，我们为所提相关滤波算法开发了高效的联合训练公式，并导出傅里叶求解器以实现高效模型训练。最后，我们在 OTB-2013、OTB-2015 和 VOT-2017 基准数据集上评估了我们的 RPCF 跟踪器。实验结果表明，我们的跟踪器优于其他 SOTA 跟踪器。
引用
@article{arxiv.1911.01668,
title = {ROI Pooled Correlation Filters for Visual Tracking},
author = {Yuxuan Sun and Chong Sun and Dong Wang and You He and Huchuan Lu},
journal= {arXiv preprint arXiv:1911.01668},
year = {2019}
}
备注
CVPR 2019 Accepted.10 pages