SiamAPN++：用于实时无人机追踪的孪生注意力聚合网络
计算机视觉与模式识别
2021-08-02 v2
摘要
近来，基于 Siamese 的方法凭借其 state-of-the-art (SOTA) 性能从众多追踪方法中脱颖而出。然而，由于无人机追踪中各种特殊的挑战，例如严重遮挡与快速运动，大多数现有的基于 Siamese 的追踪器难以将优越性能与高效率结合。针对此问题，本文提出一种新颖的注意力孪生追踪器（SiamAPN++）用于实时无人机追踪。借助注意力机制，我们构建了特殊的注意力聚合网络（AAN），由 self-AAN 与 cross-AAN 组成，以最终提升特征的表示能力。前者通过空间与通道维度聚合并建模单一特征图的自语义相互依赖关系。后者旨在聚合两种不同语义特征（包括锚点的位置信息）的跨相互依赖关系。此外，提出基于双特征的锚框提议网络以提升其对不同尺度追踪目标的鲁棒性。在两个知名权威基准上的实验表明，SiamAPN++ 优于其基线 SiamAPN 及其他 SOTA 追踪器。此外，在典型嵌入式平台上的真实世界测试表明，SiamAPN++ 以实时速度取得了有前景的追踪结果。
引用
@article{arxiv.2106.08816,
title = {SiamAPN++: Siamese Attentional Aggregation Network for Real-Time UAV Tracking},
author = {Ziang Cao and Changhong Fu and Junjie Ye and Bowen Li and Yiming Li},
journal= {arXiv preprint arXiv:2106.08816},
year = {2021}
}
备注
2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)