微小目标跟踪：大规模数据集与基线方法
计算机视觉与模式识别
2022-02-14 v1
摘要
微小目标在实际应用中频繁出现，具有微弱的外观与特征，并在许多视觉任务（如目标检测与分割）中受到越来越多的关注。为推动微小目标跟踪的研究与发展，我们创建了一个大规模视频数据集，包含434个序列，总计超过217K帧。每帧都经精心标注高质量边界框。在数据创建中，我们考虑了12种挑战属性以覆盖广泛的视角与场景复杂度，并标注这些属性以方便基于属性的性能分析。为提供微小目标跟踪的强基线，我们提出一种新颖的多级知识蒸馏网络（MKDNet），其在统一框架中追求三级知识蒸馏，以有效增强跟踪微小目标时的特征表示、判别与定位能力。在提出的数据集上进行了充分实验，结果证明了MKDNet相较于SOTA方法的优越性与有效性。数据集、算法代码与评估代码可在 https://github.com/mmic-lcl/Datasets-and-benchmark-code 获取。
引用
@article{arxiv.2202.05659,
title = {Tiny Object Tracking: A Large-scale Dataset and A Baseline},
author = {Yabin Zhu and Chenglong Li and Yao Liu and Xiao Wang and Jin Tang and Bin Luo and Zhixiang Huang},
journal= {arXiv preprint arXiv:2202.05659},
year = {2022}
}