面向视觉跟踪的序列级训练探索
计算机视觉与模式识别
2022-10-18 v3 机器学习
摘要
尽管机器学习在视觉目标跟踪任务中被广泛采用，近期的基于学习的方法在很大程度上忽视了视觉跟踪本质上是一项序列级任务这一事实；它们严重依赖帧级训练，这不可避免地导致训练与测试在数据分布和任务目标上的不一致。本文提出了一种基于强化学习的视觉跟踪序列级训练策略，并讨论了数据采样、学习目标和数据增强的序列级设计如何提升跟踪算法的准确性与鲁棒性。我们在 LaSOT、TrackingNet 和 GOT-10k 等标准基准上的实验表明，四种代表性跟踪模型 SiamRPN++、SiamAttn、TransT 和 TrDiMP 在训练中引入所提方法而无需修改架构的情况下均获得了一致的性能提升。
引用
@article{arxiv.2208.05810,
title = {Towards Sequence-Level Training for Visual Tracking},
author = {Minji Kim and Seungkwan Lee and Jungseul Ok and Bohyung Han and Minsu Cho},
journal= {arXiv preprint arXiv:2208.05810},
year = {2022}
}
备注
ECCV 2022