2020年05月_萤火虫啊飞呀飞

原创 UDT：Unsupervised Deep Tracking

摘要本文提出将无监督学习应用到目标跟踪领域，也就是使用无标注的视频序列训练跟踪器。基于【一个鲁棒的跟踪器应该通过前向传播能预测下一帧目标位置，同时从下一帧目标位置反向传播能准确回到目标初始位置】的理论，本文采用无监督学习来训练Siamese网络框架，通过多帧验证和一个损失敏感函数来改进训练过程，提高训练的跟踪器的准确性。背景本文的动机：跟踪的准确性可以通过前向传播和反向传播来验证。一般情况下，目标跟踪是给定目标在初始帧的bbox，然后根据初始帧目标的bbox前向传播，预测后续帧中目标的bbox。如果采

2020-05-13 21:52:37 849 1

原创 GCT: Graph Convolutional Tracking

摘要传统的Siamese网络在不同的上下文语境下没有充分利用目标的时空信息，当目标发生形变或面对背景干扰等挑战时，跟踪器无法有效地识别目标和背景。因此，本文首次将图卷积网络GCN引入到Siamese网络中，充分利用若干历史帧的时空信息和当前帧的上下文信息。该图卷积跟踪网络GCT包括两个图结构，分别是时空图卷积网络ST-GCN和上下文图卷积网络CT-GCN，前者通过对以往若干模板帧的学习得到基于时空信息的模板特征ST-Feature，该特征与当前帧的上下文特征进行element-wise addition后

2020-05-13 11:57:25 1029

原创 SiamDW：Deeper and Wider Siamese Networks for Real-Time Visual Tracking

摘要Siamese网络由于具有良好的准确性和速度而引起视觉跟踪领域的广泛关注，但其使用的网络相对比较浅，比如AlexNet，难以充分发挥深度神经网络的优势。因此，作者对如何平衡卷积神经网络的深度和宽度从而实现跟踪的鲁棒性和准确性的问题进行研究。实验发现，直接将Siamese网络中的骨干网络换成深度更深的网络架构对跟踪效果没有提升。作者分析认为，一方面，大幅增大神经元感受野会降低特征判别性和定位精度；另一方面，卷积操作中padding操作会影响学习的准确性。为了解决上述问题，文中提出新的残差模块来消除pad

2020-05-12 21:28:37 699

原创 ATOM: Accurate Tracking by Overlap Maximization

摘要针对当前大多数跟踪算法忽视准确的目标状态估计的重要性这个问题，本文提出引入目标检测领域使用的IoU-Net来优化跟踪的边界框bbox，从而提高定位准确性。此外，本文还通过一个基于共轭梯度训练的分类网络来提高模型的判别能力。背景作者指出，可以将跟踪问题分解为分类任务和估计任务，前者根据将图片区域进行前景背景分类来进行目标的粗略定位，后者通过bbox对目标状态进行进一步精确定位。目前大多数跟踪算法将研究重点放在如何训练更有判别力的分类器，而如何进行准确的目标状态估计这个问题却经常被忽视，一般情况下采用

2020-05-12 17:18:04 569

原创 SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks

摘要作者发现，目前基于Siamese系列算法大多使用类似AlexNet的浅层网络结果进行特征提取，而直接替换为类似ResNet-50等深层网络会导致跟踪性能下降，无法像目标识别等任务一样充分发挥深度网络的优势。这种现象的核心原因在于网络的padding会破坏Siamese系列网络的平移不变性，本文通过一个简单但有效的空间感知采样策略来打破Siamese系列所需的这一限制，此外还通过多层特征融合和depthwise cross-correlation来进一步提高跟踪准确性并降低模型参数。背景SiamFC

2020-05-11 22:43:38 468 1

原创 SiamMask：Fast Online Object Tracking and Segmentation: A Unifying Approach

摘要跟踪任务中提高精度的关键是如何处理好（旋转的）边界框bbox，这可以通过识别目标物体的mask来实现。而目前的分割算法计算复杂度通常较高，难以做到实时性。因此，为了解决上述问题，本文提出了一个结合目标跟踪和目标分割的统一框架SiamMask，输入要跟踪目标的bbox就可以同时实现目标跟踪和目标分割，并保证实时性。背景作者指出，随着跟踪精度的不断提升，用于评估算法准确性的数据集难度也在提升，从坐标轴对称的bbox来标定跟踪对象，到使用旋转的bbox来贴近目标运动状态。旋转的bbox可以通过目标分割来

2020-05-11 17:29:43 224

原创 Joint Group Feature Selection and Discriminative Filter Learning for Robust Visual Object Tracking

摘要为了降低基于深度特征的相关滤波器DCF中多通道特征的冗余性和提高所选特征的判别能力，本文提出一个新的联合特征选择与滤波器训练的相关滤波跟踪算法GFS-DCF。具体地，通过在目标函数中增加三个正则化分量，实现在空间-通道-时间层面对特征进行选择，从而学习到target-adaptive特征。背景在单目标跟踪领域，基于相关滤波器DCF的方式是主流算法之一，实时性强，跟踪准确率高。但是，基于DCF的跟踪算法也存在边界效应、所选特征表达能力不足、未充分考虑跟踪问题的时间连续性对跟踪结果的影响等问题。贡献

2020-05-10 12:11:36 1012

原创 Bridging the Gap Between Detection and Tracking: A Unified Approach

文章目录摘要背景贡献本文方法摘要近年来，目标检测领域的算法和模型可以推广应用到跟踪领域，与目前大多数结合跟踪-检测的算法不同，本文的出发点不是设计一个新的跟踪-检测算法，而是提出一种通用框架，可以将任意目标检测网络移植到跟踪领域。背景本文提出将目标检测网络移植到跟踪领域是出于以下motivation的考虑：第一，检测算法在复杂场景下可以精确区分不同物体，将检测网络应用到跟踪领域可能可以提高跟踪准确性和鲁棒性；第二，对检测网络进行重用可以避免重复性工作（区分不同物体的工作），可以将研究重点放在如何使t

2020-05-09 14:08:09 1077 3

原创 SPLT：‘Skimming-Perusal’ Tracking: A Framework for Real-Time and Robust Long-term Tracking

文章目录摘要背景贡献本文方法摘要相比传统的短期跟踪，长期跟踪需要应对更多的挑战，也更贴近真实应用场景，但这方面在目前研究进展较为缓慢，因此本文提出一个新的鲁棒的、实时的长时间跟踪框架，该框架中包含一个skimming模块和一个perusal模块。perusal模块包含一个有效的bbox生成器和一个鲁棒的目标验证器，前者产生一系列候选样本框，后者计算每个候选框的置信度分数并选出最优候选框。根据置信度分数可以判断目标在当前帧出现与否，若出现(置信度分数高于设定阈值)，直接根据置信度分数进行定位，并决定下一帧

2020-05-09 11:44:40 1280

原创 MLT：Deep Meta Learning for Real-Time Target-Aware Visual Tracking

文章目录摘要背景贡献本文方法摘要本文针对传统的基于深度卷积特征的目标跟踪算法为了更好适应目标形变，需要进行复杂的优化工作的问题进行改进，旨在保持较高跟踪效果的同时实现跟踪实时性。具体地，本文引入meta-learner网络学习target-specific 特征，与传统的Siamese网络提取的general特征进行融合，得到自适应的目标特征，再进行后续的相似性计算。背景传统的基于深度卷积特征的判别性跟踪算法需要对分类器或跟踪滤波器进行复杂的优化/更新工作，从而更好地适应目标的形变，但大多数采用在线

2020-05-08 21:59:23 887

原创 GradNet: Gradient-Guided Network for Visual Object Tracking

文章目录摘要背景贡献本文方法参考摘要本文针对Siamese网络系列算法在跟踪过程中不更新模板，在目标发生巨大形变或背景干扰下，无法及时捕捉目标外观变化的问题进行改进，旨在在线更新Siamese网络的模板。具体地，本文提出一个基于梯度信息的跟踪网络，通过前向传播和反向传播来更新当前帧的模板，并为了避免过拟合，利用多个视频序列的视频帧进行模板的训练，使得模板更具泛化性。在文中作者指出，这是第一篇将梯度信息应用到模板更新的paper。背景通常，单目标跟踪是指给给定第一帧任意一个目标状态（目标位置和尺度大小

2020-05-08 21:26:43 610

原创 DiMP:Learning Discriminative Model Prediction for Tracking

论文笔记-DiMP:Learning Discriminative Model Prediction for Tracking文章目录论文笔记-DiMP:Learning Discriminative Model Prediction for Tracking摘要背景贡献本文方法工作1：提出一个新的损失函数并通过网络调参工作2：提出一个强有力的迭代策略来确保模型快速收敛参考摘要本文主要针对S...

2020-05-08 16:57:03 1158

萤火虫啊飞呀飞