#CV Daily #自适应的故障感知跟踪器,用于稳健的视觉目标跟踪

 

 

#CV Daily ##目标跟踪#

 

AFAT: Adaptive Failure-Aware Tracker for Robust Visual Object Tracking

自适应的错误感知跟踪器,用于稳健的视觉目标跟踪

 

最近,Siamese方法在视觉目标跟踪方面取得了令人期待的性能。Siamese跟踪器成功的关键在于通过对大规模视频数据集的离线训练来学习外观变量特征嵌入函数。然而,Siamese范式使用一次性学习来建模在线跟踪任务,这阻碍了跟踪过程中的在线适应性。此外,在线跟踪响应的不确定性无法测量,导致了忽略潜在的失败问题。

在本文中,我们主张在跟踪阶段进行在线适应。为此,我们提出了一个故障感知系统,由质量预测网络(QPN)实现,在决策阶段基于卷积和LSTM模块,实现了潜在跟踪故障的在线报告。具体来说,我们收集了前一帧的连续响应图和当前帧的连续响应图来预测跟踪置信度,在决策层实现了时空融合。此外,我们进一步提供了一个自适应故障感知跟踪器(AFAT),通过将最先进的Siamese跟踪器与我们的系统进行梳理,实现了自适应故障感知跟踪器。

在标准基准数据集上获得的实验结果证明了我们提出的故障感知系统的有效性和我们的AFAT跟踪器的优点,在精度和速度上都有出色的平衡性能。

 

作者 | Tianyang Xu, Zhen-Hua Feng, Xiao-Jun Wu, Josef Kittler

单位 | 萨里大学 ;江南大学

论文 | https://arxiv.org/abs/2005.13708

查看论文|https://w.url.cn/s/Ac6jm2d

CV Daily 

分享最新CV论文与实践的“速递专栏”,

发现有价值的技术、关注有意思的应用,

主要在52CV社群分享,你也可以在知乎 CV Daily 专栏找到我。

 

转载请注明:《#CV Daily #自适应的故障感知跟踪器,用于稳健的视觉目标跟踪