SiamTHN：用于视觉跟踪的孪生目标高亮网络
计算机视觉与模式识别
2023-03-23 v1 人工智能
摘要
近年来，基于孪生网络（Siamese network）的跟踪器在视觉目标跟踪领域快速发展。当前大多数基于孪生网络的跟踪器平等对待骨干网络生成的特征图中每个通道，使得相似度响应图对背景影响敏感，因而难以聚焦于目标区域。此外，这些跟踪器的分类分支与回归分支之间不存在结构关联，且训练时两分支分别优化。因此，分类与回归分支间存在错位，导致跟踪结果精度下降。本文提出一种目标高亮模块（Target Highlight Module），帮助生成的相似度响应图更聚焦于目标区域。为减少错位并产生更精确的跟踪结果，我们提出一种校正损失（corrective loss）来训练模型。该模型的两分支借助校正损失联合调优，以产生更可靠的预测结果。在5个具挑战性基准数据集上的实验表明，该方法在性能上优于现有模型，并以38 fps运行，证明了其有效性与高效性。
引用
@article{arxiv.2303.12304,
title = {SiamTHN: Siamese Target Highlight Network for Visual Tracking},
author = {Jiahao Bao and Kaiqiang Chen and Xian Sun and Liangjin Zhao and Wenhui Diao and Menglong Yan},
journal= {arXiv preprint arXiv:2303.12304},
year = {2023}
}