Fully-Convolutional Siamese Networks for Object Tracking
这两年可以说deeplearning已经占领了visual object tracking这个领域,但是对于跟踪问题来说,这些基于DL的做法虽然能够很好的提升跟踪的效果,但是在时效性这一方面却做的很差,这是因为DL复杂的模型往往需要很大的计算量,尤其是当使用的DL模型在跟踪的时候对模型进行更新的话,可能使用GPU都没法达到实时。今年出现了一些使用CNN进行跟踪,同时又具有很高的效率的跟踪算法,比如今年ECCV的GOTURN(我的这篇博客里进行了介绍,http://blog.csdn.net/autocyz/article/details/52648776),以及我将要介绍的这篇《Fully-Convolutional Siamese Networks for Object Tracking》。
文章题目叫:《Fully-Convolutional Siamese Networks for Object Tracking》
算法主页:http://www.robots.ox.ac.uk/~luca/siamese-fc.html
code:https://github.com/bertinetto/siamese-fc
一、算法总体框架
图1 算法总体框架
图中z代表的是模板图像,算法中使用的是第一帧的groundtruth;x代表的是search region,代表在后面的待跟踪帧中的候选框搜索区域; ϕ 代表的是一种特征映射操作,将原始图像映射到特定的特征空间,文中采用的是CNN中的卷积层和pooling层;6*6*128代表z经过 ϕ 后得到的特征,是一个128通道6*6大小feature,同理,22*22*128是x经过 ϕ