项目网页 http://www.robots.ox.ac.uk/~luca/siamese-fc.html
开源代码: https://github.com/bertinetto/siamese-fc
本文将一个全卷积 Siamese 网络嵌入到一个简单的跟踪算法中,使其跟踪效果很好,速度很快。该 Siamese 网络使用的训练数据是 ILSVRC15 数据库中用于目标检测的视频。
针对任意目标跟踪问题,一般使用在线学习策略来学习合适的跟踪模型,但是速度比较慢,尤其是使用了CNN模型, Stochastic Gradient Descent 在线更新网络权重参数。本文提出的CNN算法是离线学习的。
2 Deep similarity learning for tracking
学习任意物体的跟踪可以通过相似性学习来解决,在深度学习中,我们一般使用 Siamese 网络来学习深度相似性函数。
用模板的CNN特征与搜索图像的特征进行卷积,得到整个图像的相似图。
网络结构如下:
VOT14数据库上测试对比
VOT15数据库上测试对比
On a machine equipped with a single NVIDIA GeForce GTX Titan X and an Intel Core i7-4790K at 4.0GHz, our full online tracking pipeline operates at 86 and 58 frames-per-second, when searching respectively over 3 and 5 scales.