SiamCorners：用于视觉跟踪的孪生角点网络
计算机视觉与模式识别
2021-04-16 v1
摘要
当前基于区域提议网络（RPN）的孪生网络因其优异的精度和高效率在视觉跟踪中引起了极大关注。然而，RPN的设计涉及锚框数量、尺度和长宽比的选择，这会影响模型的适用性和便利性。此外，这些锚框需要复杂的计算，例如计算其与真实边界框的交并比（IoU）。由于与锚框相关的问题，我们提出了一种简单而有效的无锚跟踪器（称为孪生角点网络，SiamCorners），它在大规模图像对上离线端到端训练。具体而言，我们引入了一种改进的角点池化层，将目标的边界框估计转换为一对角点预测（右下角和左上角）。通过将目标跟踪为一对角点，我们避免了对锚框进行设计的需求。这将使整个跟踪算法比基于锚的跟踪器更加灵活和简单。在我们的网络设计中，我们进一步引入了一种逐层特征聚合策略，使角点池化模块能够在深度网络中为跟踪目标预测多个角点。然后我们引入了一个新的惩罚项，用于在这些候选角点中选择最优跟踪框。最后，SiamCorners取得了与最先进（state-of-the-art）跟踪器相当的实验结果，同时保持了高运行速度。特别地，SiamCorners在NFS30上取得了53.7%的AUC，在UAV123上取得了61.4%的AUC，同时仍以每秒42帧（FPS）的速度运行。
引用
@article{arxiv.2104.07303,
title = {SiamCorners: Siamese Corner Networks for Visual Tracking},
author = {Kai Yang and Zhenyu He and Wenjie Pei and Zikun Zhou and Xin Li and Di Yuan and Haijun Zhang},
journal= {arXiv preprint arXiv:2104.07303},
year = {2021}
}