RPT++：用于孪生视觉跟踪的定制化特征表示
计算机视觉与模式识别
2022-04-27 v2
摘要
尽管近年来视觉跟踪的特征表示取得了显著进展，但分类与回归任务间特征错位的问题在很大程度上被忽视。在大多数先进跟踪器中，特征提取方法对这两个任务并无区别。我们认为视觉跟踪的性能提升受限，因为从显著区域提取的特征为分类提供了更具辨识度的视觉模式，而边界周围的特征有助于准确估计目标状态。我们通过提出两种定制化特征提取器来解决该问题，称为极坐标池化 (polar pooling) 与极值池化 (extreme pooling)，以捕获任务特定的视觉模式。极坐标池化起到从语义关键点富集信息的作用，以实现更强的分类；而极值池化促进目标边界的显式视觉模式，以准确估计目标状态。我们通过将任务特定特征表示集成到近期先进的跟踪器 RPT 中，证明了其有效性。在多个基准上的大量实验表明，我们基于定制化特征的 RPT (RPT++) 在 OTB-100、VOT2018、VOT2019、GOT-10k、TrackingNet 和 LaSOT 上取得了新的最先进性能。
引用
@article{arxiv.2110.12194,
title = {RPT++: Customized Feature Representation for Siamese Visual Tracking},
author = {Ziang Ma and Haitao Zhang and Linyuan Wang and Jun Yin},
journal= {arXiv preprint arXiv:2110.12194},
year = {2022}
}
备注
the authors hold different opinions on whether or not to public the paper