Target-Aware Deep Tracking

Target-Aware Deep Tracking

2019-05-03 11:33:18

 

Paper: https://arxiv.org/pdf/1904.01772.pdf 

Code: https://github.com/XinLi-zn/TADT 

 

1. Background and Motivation : 

常規的跟蹤器都是利用在大型 classification 任務上學習特徵，而後用於跟蹤。可是做者認爲存在以下的問題：

1). 實際跟蹤中，target object 多是任意的物體，因此，在訓練集中可能根本不存在這種數據信息。可是 pre-trained CNN model 可能沒法很好的處理好跟蹤中前景和背景的問題；

2). 縱然目標物體存在於 training set，可是從最後一個卷積層中獲得的 feature 僅僅包含高層視覺信息，對於物體的準肯定位和尺寸估計並無很準確；

3). 現有的頂尖算法須要較大的計算代價，由於其須要從 pre-trained model 獲取高維度的特徵。爲了減小這種 gap，探索深度特徵的預訓練來更好的處理跟蹤問題，變的特別重要；

本文提出一種新的方法，來學習更適合跟蹤的特徵（即標題中強調的 target-aware deep feature）。

 

2. The Proposed Method : 

 

3. Experiments : 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

==