基于图卷积网络分割的视觉目标跟踪
计算机视觉与模式识别
2020-09-09 v2
摘要
基于分割的跟踪在计算机视觉与多媒体中已被积极研究。基于超像素的目标分割与跟踪方法通常针对该任务而开发。然而，它们独立地进行超像素的特征表示与学习，可能导致次优结果。在本文中，我们提出利用图卷积网络（GCN）模型进行基于超像素的目标跟踪。所提模型提供了一个通用的端到端框架，其将 i) 标签线性预测，与 ii) 每个超像素的结构感知特征信息相整合，以获得目标分割并进一步提升跟踪性能。所提 GCN 方法的主要益处有两个方面。首先，它提供了一种有效的端到端方式来利用空间与时间一致性约束进行目标物体分割。其次，它利用混合图卷积模块来学习用于超像素表示与标注的上下文感知且具有判别力的特征。我们开发了一种有效的算法来优化所提模型。在五个数据集上的大量实验表明，我们的方法相比现有替代方法获得了更好的性能。
引用
@article{arxiv.2009.02523,
title = {Visual Object Tracking by Segmentation with Graph Convolutional Network},
author = {Bo Jiang and Panpan Zhang and Lili Huang},
journal= {arXiv preprint arXiv:2009.02523},
year = {2020}
}