基于快速高效单多模型卷积神经网络的目标单目标跟踪
计算机视觉与模式识别
2021-03-30 v1
摘要
当相似物体出现在同一区域时，目标跟踪变得尤为关键。近期最先进的（SOTA）方法基于采用具有沉重结构的匹配网络来区分目标与该区域中的其他物体，这确实大幅降低了跟踪器在速度方面的性能。此外，对于每一帧，需考虑并处理若干候选区域以在感兴趣区域内定位目标物体，这十分耗时。本文提出了一种特殊架构，与以往方法不同，它能够在单次前向过程中确定物体位置，同时利用目标模板将其与同区域中的相似物体区分开来。简言之，首先选取一个包含目标且尺寸为目标两倍大小的窗口，将该窗口输入全卷积神经网络（CNN）以提取每帧的感兴趣区域（RoI）矩阵。初始时，还将目标模板作为CNN的输入。基于该RoI矩阵，采用一种简单快速的方法确定跟踪器的下一步运动。此外，该矩阵有助于估计物体尺寸，这在尺寸随时间变化时至关重要。尽管没有匹配网络，所提出的跟踪器在具有挑战性的场景下性能与SOTA相当，同时速度远超它们（在1080ti上可达）。为验证此结论，在GOT-10k数据集上进行了对比研究，结果揭示了所提方法在完成任务方面的优异性能。
引用
@article{arxiv.2103.15105,
title = {Single Object Tracking through a Fast and Effective Single-Multiple Model Convolutional Neural Network},
author = {Faraz Lotfi and Hamid D. Taghirad},
journal= {arXiv preprint arXiv:2103.15105},
year = {2021}
}