2019年CVPR的oral,论文链接:ATOM
为了读懂这篇文章,我事先了解了一下文中所用到的IoU-Net,建议想读这篇文章的先了解一下~这里附上链接:IoU-Net
Motivation
类似于IoU-Net,作者认为tracking最近的研究方向都集中在如何训练一个强力的分类器,而对目标框的估计没有得到足够的重视。
Contributions
作者参考IoU-Net,作者提出了一个新的框架,重新设计了目标估计网络和分类网络。
IoU-Net
首先简单介绍一下IoU-Net,IoU-Net主要的贡献有两点:
- IoU引导式的NMS方法(IoU-guided NMS),避免了高分类置信度的框抑制高定位置信度框的情况。
- 基于优化的边界回归方案(Optimization-based Bounding Box Refinement),进一步提升了边界框回归的精度。
基于这两点,作者提出了用于预测IoU的框架IoU-Net如下: