【Tracking 系列:一】Siamese-FC|Fully-Convolutional Siamese Networks for Object Tracking

本文介绍了Siamese-FC在单目标跟踪中的应用,通过计算两个图像patch的相似度来定位物体。该方法使用相同的卷积网络分支抽取目标和搜索区域的特征,然后通过交叉相关性得到相似度得分地图,从而确定目标位置。在训练过程中,通过正负样本定义和余弦窗口抑制来优化。尽管这种方法简化了跟踪问题,但它对初始化框的敏感性和无法处理变化的宽高比限制了精度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

滑窗分类

SOT早期的工作

Siamese-FC, 对单目标来做跟踪,论文中通过计算两个图像patch之间的相似度,来定位物体,通过多次rescale 输入图片来实现多尺度物体的跟踪。

Method

  • 网络整体分两个分支,两个分支使用 相同的卷积 (siamese 的意思)进行特征抽取
    • 第一个分支抽取 目标object(z)的feature A
    • 第二个分支抽取 待搜索图片(x)的feature B
  • cross-correlation
    利用抽取的feature A作为卷积核在B上进行卷积,这样最后得到的score map实际上就是待搜索图片特征B与目标object patch特征A的相似度。而score map上这个点的取值就可以理解为原图中这块区域和目标object之间的相似度,那么最后相似度最高的点就被定位为目标object在当前帧上面的位置。

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

ϕ(.)是经过卷积操作分别提取 z 和 x 的特征
g(.)是将两个特征图,经过cross-correlation来获得相关性,即用卷积模拟相关滤波,得到响应特征图。

training

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值