SiamMan：用于视觉跟踪的孪生运动感知网络
计算机视觉与模式识别
2020-01-22 v2
摘要
本文提出一种新颖的用于视觉跟踪的孪生运动感知网络（SiamMan），其由孪生特征提取子网络及并行分类、回归与定位分支组成。分类分支用于区分前景与背景，回归分支用于回归目标边界框。为降低人为设计锚框以适应不同目标运动模式的影响，我们设计定位分支，旨在粗略定位目标以辅助回归分支生成精确结果。同时，我们将全局上下文模块引入定位分支以捕获长程依赖，从而在目标大幅位移时更具鲁棒性。此外，我们设计多尺度可学习注意力模块以引导这三个分支利用判别性特征以提升性能。整个网络使用标准SGD算法与反向传播，以大规模图像对离线端到端训练。在VOT2016、VOT2018、OTB100、UAV123与LTB35五个挑战性基准上的大量实验表明，SiamMan以高效率取得领先精度。代码见 https://isrc.iscas.ac.cn/gitlab/research/siamman。
引用
@article{arxiv.1912.05515,
title = {SiamMan: Siamese Motion-aware Network for Visual Tracking},
author = {Wenzhang Zhou and Longyin Wen and Libo Zhang and Dawei Du and Tiejian Luo and Yanjun Wu},
journal= {arXiv preprint arXiv:1912.05515},
year = {2020}
}