基于自适应孪生网络与运动估计网络的视觉目标跟踪
计算机视觉与模式识别
2018-10-02 v1
摘要
近年来，卷积神经网络（CNN）因其在特征抽象表示上的强大能力，在计算机视觉的不同领域引起了广泛关注。视觉目标跟踪是计算机视觉中一个有趣且重要的领域，近年来取得了显著进展。在本工作中，我们旨在利用 CNN 的表示能力改进视觉目标跟踪中的运动模型与观测模型。为此，我们利用一个运动估计网络（称为 MEN）来寻找目标最可能位置，并在先前目标位置之外提供进一步线索。因此，通过在两个合理位置附近生成少量候选，运动估计得以增强。生成的候选随后被输入一个训练好的孪生网络以检测最可能的候选。每个候选与一个自适应缓冲区进行比较，该缓冲区在预定义条件下更新。为考虑目标外观变化，一个加权 CNN（称为 WCNN）利用序列特定信息对孪生网络的最终相似度得分自适应地分配权重。在知名基准数据集（OTB100、OTB50 和 OTB2013）上的评估结果表明，所提跟踪器优于当前最先进的同类方法。
引用
@article{arxiv.1810.00119,
title = {Visual Object Tracking based on Adaptive Siamese and Motion Estimation Network},
author = {Hossein Kashiani and Shahriar B. Shokouhi},
journal= {arXiv preprint arXiv:1810.00119},
year = {2018}
}
备注
28 pages, 1 algorithm, 7 figures, 2 table, Submitted to Elsevier, Image and Vision Computing