SiamCAR：用于视觉跟踪的孪生全卷积分类与回归网络
计算机视觉与模式识别
2019-12-16 v2
摘要
通过将视觉跟踪任务分解为像素类别的分类与该像素处目标边界框的回归两个子问题，我们提出一种新颖的全卷积孪生网络，以逐像素方式端到端地解决视觉跟踪。所提框架 SiamCAR 由两个简单子网络组成：一个用于特征提取的孪生子网络，以及一个用于边界框预测的分类-回归子网络。我们的框架以 ResNet-50 为骨干。不同于基于区域提议的 SOTA 跟踪器如 Siamese-RPN、SiamRPN++ 与 SPM，所提框架既无提议也无锚框。因此，我们能够避免锚框的棘手超参数调优并减少人工干预。所提框架简单、整洁且有效。在 GOT-10K、LaSOT、UAV123 与 OTB-50 等许多具挑战性基准上进行了大量实验并与 SOTA 跟踪器比较。无需额外技巧，我们的 SiamCAR 以可观的实时速度取得了领先性能。
引用
@article{arxiv.1911.07241,
title = {SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking},
author = {Dongyan Guo and Jun Wang and Ying Cui and Zhenhua Wang and Shengyong Chen},
journal= {arXiv preprint arXiv:1911.07241},
year = {2019}
}