商汤科技 SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks翻译CVPR2019
基于孪生网络的跟踪器将跟踪表述为目标模板与搜索区域之间的卷积特征相互关系。然而, 与最新算法相比, 孪生跟踪器仍有一个精度差距, 他们无法利用深度网络的优点, 如 ResNet-50 或更深的算法。在这项工作中, 我们证明了核心原因来自于缺乏严格的平移不变性。通过综合理论分析和实验验证, 我们通过简单而有效的空间感知采样策略打破了这一限制, 成功地训练了一个具有显著性能增益的 ResNet 驱动的 Siamese 跟踪器。此外, 我们还提出了一种新的模型体系结构来执行分层和深度聚合, 这不仅进一步提高了精度
原创
2019-02-22 16:41:49 ·
3353 阅读 ·
0 评论