项目地址:https://github.com/foolwood/SiamMask
论文地址:https://arxiv.org/abs/1812.05050
主页地址:http://www.robots.ox.ac.uk/~qwang/SiamMask/
摘要
在这篇文章中,我们插入如何去进行在视觉目标跟踪和半监督视频目标分割,在实时,使用一个简单的方法。我们的方法,称为SiamMask,提高离线训练处理的受欢迎的全卷积Siamese方法对目标跟踪通过设计他们的loss,使用一个二值分割的任务。一旦训练,SiamMask仅依靠一个单一框初始化和进行在线,制造目标分割Mask,以及旋转框每秒55帧。尽管它是简单的,但是用途广泛和快速,我们的策略允许我们去建立一个新的先进的实时跟踪在VOT-2018数据集上,对比同时证明竞赛表现最好和最快对于半监督视频目标分割任务在DAVIS-2016和DAVIS-2017。
本文提出的网络与ECO算法对比
其中,篮框为初始框,绿色框为本文提出的算法运行效果,红色为ECO算法运行结果。
架构
不同框的性能
了解更多关于《计算机视觉与图形学》相关知识,请关注公众号:
下载我们视频中代码和相关讲义,请在公众号回复:计算机视觉课程资料