用于视觉目标跟踪的孪生关键点预测网络
计算机视觉与模式识别
2020-06-09 v1
摘要
视觉目标跟踪旨在给定初始边界框的情况下估计视频序列中任意目标的位置。通过利用离线特征学习，孪生范式近期已成为高性能跟踪的主流框架。然而，现有孪生跟踪器要么严重依赖复杂的基于锚点的检测网络，要么缺乏抵抗干扰物的能力。本文中，我们提出孪生关键点预测网络（SiamKPN）以应对这些挑战。在用于特征嵌入的孪生骨干网络之上，SiamKPN 受益于一种从粗到细预测建模的级联热图策略。特别地，该策略通过沿级联顺序收缩标签热图的覆盖范围以施加由松到严的中间监督来实现。在推理过程中，我们发现连续阶段的预测热图逐渐集中于目标并减少对干扰物的响应。SiamKPN 在包括 OTB-100、VOT2018、LaSOT 和 GOT-10k 在内的四个基准数据集上相对于最先进的视觉目标跟踪器表现良好，同时以实时速度运行。
引用
@article{arxiv.2006.04078,
title = {Siamese Keypoint Prediction Network for Visual Object Tracking},
author = {Qiang Li and Zekui Qin and Wenbo Zhang and Wen Zheng},
journal= {arXiv preprint arXiv:2006.04078},
year = {2020}
}
备注
Code: https://github.com/ZekuiQin/SiamKPN