基于对比实例的判别性表示用于实时无人机跟踪
计算机视觉与模式识别
2023-08-23 v1
摘要
由于计算资源、电池容量与无人机最大载荷的限制，保持高效率与高精度是无人机跟踪中的两项基本挑战。基于判别相关滤波(DCF)的跟踪器可在单CPU上实现高效率，但精度较差。轻量级深度学习(DL)跟踪器能在效率与精度间取得良好平衡，但性能提升受压缩率所限。高压缩率常导致判别性表示不佳。为此，本文旨在从新的特征学习视角增强特征表示的判别能力。具体而言，我们尝试以简洁而有效的方式，利用对比实例为无人机跟踪学习更具判别力的表示，其既不需要人工标注，也允许开发与部署轻量级模型。我们首次探索了面向无人机跟踪的对比学习。在UAV123@10fps、DTB70、UAVDT与VisDrone2018四个无人机基准上的大量实验表明，所提出的DRCI跟踪器显著优于当前最优的无人机跟踪方法。
引用
@article{arxiv.2308.11450,
title = {Towards Discriminative Representations with Contrastive Instances for Real-Time UAV Tracking},
author = {Dan Zeng and Mingliang Zou and Xucheng Wang and Shuiwang Li},
journal= {arXiv preprint arXiv:2308.11450},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2308.10262