面向实时无人机目标跟踪的训练集蒸馏
计算机视觉与模式识别
2020-03-12 v1
摘要
相关滤波（CF）近期在无人机（UAV）视觉目标跟踪中展现出良好性能。此类在线学习方法严重依赖训练集的质量，然而遮挡或出视野等复杂空中场景会降低其可靠性。本文提出一种新颖的基于时隙的蒸馏方法，以在线高效且有效地优化训练集质量。我们建立了一个协同能量最小化函数来自适应地为历史样本打分。为加速打分过程，将具有高置信跟踪结果的帧作为关键帧，将跟踪过程划分为多个时隙。在新时隙建立后，对先前样本进行加权融合生成一关键样本，以减少待打分样本的数量。此外，当当前时隙超过可打分的最大帧数时，得分最低的样本将被丢弃。因此，训练集可被高效且可靠地蒸馏。在两个知名 UAV 基准上的综合测试证明了我们的方法在单 CPU 上以实时速度运行的有效性。
引用
@article{arxiv.2003.05326,
title = {Training-Set Distillation for Real-Time UAV Object Tracking},
author = {Fan Li and Changhong Fu and Fuling Lin and Yiming Li and Peng Lu},
journal= {arXiv preprint arXiv:2003.05326},
year = {2020}
}
备注
2020 IEEE International Conference on Robotics and Automation