SiamVGG：使用更深孪生网络的视觉跟踪
计算机视觉与模式识别
2022-07-05 v4
摘要
近来，我们见证了基于深度神经网络（DNN）的视觉跟踪方案的快速发展。一些跟踪器将基于 DNN 的方案与判别相关滤波器（DCF）结合以提取语义特征，并成功达到了最先进的跟踪精度。然而，这些方案计算高度密集，需要较长处理时间，导致无法保证实时性能。为同时提供高精度和可靠的实时性能，我们提出了一种称为 SiamVGG\footnote{https://github.com/leeyeehoo/SiamVGG} 的新型跟踪器。它结合了卷积神经网络（CNN）骨干和互相关算子，并利用来自示例图像的特征进行更准确的目标跟踪。SiamVGG 的架构由 VGG-16 定制而来，参数由示例图像和所需输入视频帧共享。我们在 OTB-2013/50/100 和 VOT 2015/2016/2017 数据集上展示了所提出的 SiamVGG，其具有最先进的精度，同时在 GTX 1080Ti 上保持 50 FPS 的较好实时性能。我们的设计相比 VOT2017 挑战赛中的 ECO 和 C-COT 可实现高 2% 的期望平均重叠率（EAO）。
引用
@article{arxiv.1902.02804,
title = {SiamVGG: Visual Tracking using Deeper Siamese Networks},
author = {Yuhong Li and Xiaofan Zhang and Deming Chen},
journal= {arXiv preprint arXiv:1902.02804},
year = {2022}
}