用于高速空中跟踪的连体锚框提议网络
计算机视觉与模式识别
2021-08-02 v4
摘要
在视觉跟踪领域，多数基于深度学习的跟踪器强调精度却忽视效率，因而其在无人机（UAV）等移动平台上的实际部署受阻。本文提出一种新颖的基于两阶段连体网络（Siamese network）的空中跟踪方法，即阶段 1 用于高质量锚框提议生成，阶段 2 用于细化锚框提议。与具有大量预定义固定尺寸锚框的基于锚框方法不同，我们的无先验方法能够 1）基于自适应锚框生成，提升对不同尺寸物体（尤其在复杂场景下对小、遮挡及快速运动物体）的鲁棒性与泛化能力，2）因锚框数量大幅减少而使计算可行。此外，相较于无锚框方法，我们的框架因阶段 2 的细化而具有更优性能。在三个基准上的综合实验证明了我们方法的优越性能，速度约为 200 帧/秒。
引用
@article{arxiv.2012.10706,
title = {Siamese Anchor Proposal Network for High-Speed Aerial Tracking},
author = {Changhong Fu and Ziang Cao and Yiming Li and Junjie Ye and Chen Feng},
journal= {arXiv preprint arXiv:2012.10706},
year = {2021}
}
备注
2020 IEEE International Conference on Robotics and Automation (ICRA)