基于中心点搜索的无锚框全卷积孪生跟踪器

作     者：谭建豪 郑英帅 王耀南 马小萍 TAN Jian-Hao;ZHENG Ying-Shuai;WANG Yao-Nan;MA Xiao-Ping

作者机构：湖南大学电气与信息工程学院长沙410082 机器人视觉感知与控制技术国家工程实验室长沙410082 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2021年第47卷第4期

页      面：801-812页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(61433016)资助 

主　　题：孪生跟踪器 像素预测 相似语义干扰物 无锚框 中心得分 

摘      要：为解决孪生网络跟踪器鲁棒性差的问题,重新设计了孪生网络跟踪器的分类与回归分支,提出一种基于像素上直接预测方式的高鲁棒性跟踪算法—无锚框全卷积孪生跟踪器(Anchor-free fully convolutional siamese tracker,AFST).目前高性能的跟踪算法,如SiamRPN、SiamRPN++、CRPN都是基于预定义的锚框进行分类和目标框回归.与之相反,提出的AFST则是直接在每个像素上进行分类和预测目标框.通过去掉锚框,大大简化了分类任务和回归任务的复杂程度,并消除了锚框和目标误匹配问题.在训练中,还进一步添加了同类不同实例的图像对,从而引入了相似语义干扰物,使得网络的训练更加充分.在VOT2016、GOT-10k、OTB2015三个公开的基准数据集上的实验表明,与现有的跟踪算法对比,AFST达到了先进的性能.