【目标跟踪】ATOM: Accurate Tracking by Overlap Maximization

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：

1. 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。
2. 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：