用于视觉跟踪的孪生框自适应网络
计算机视觉与模式识别
2020-04-23 v2
摘要
现有大多数跟踪器通常依赖多尺度搜索方案或预定义锚框来准确估计目标的比例和长宽比。遗憾的是，它们通常需要繁琐且启发式的配置。为解决此问题，我们利用全卷积网络（FCN）的表达能力，提出了一种简单而有效的视觉跟踪框架（称为孪生框自适应网络，SiamBAN）。SiamBAN 将视觉跟踪问题视为并行的分类与回归问题，从而在一个统一的 FCN 中直接对目标分类并回归其边界框。这种无先验框设计避免了与候选框相关的超参数，使 SiamBAN 更灵活且更具通用性。在包括 VOT2018、VOT2019、OTB100、NFS、UAV123 和 LaSOT 在内的视觉跟踪基准上的大量实验表明，SiamBAN 取得了最先进的性能并以 40 FPS 运行，证实了其有效性与高效性。代码将发布于 https://github.com/hqucv/siamban。
引用
@article{arxiv.2003.06761,
title = {Siamese Box Adaptive Network for Visual Tracking},
author = {Zedu Chen and Bineng Zhong and Guorong Li and Shengping Zhang and Rongrong Ji},
journal= {arXiv preprint arXiv:2003.06761},
year = {2020}
}
备注
Accepted to CVPR 2020