qq_38680752的博客

Abstract        基于孪生网络的跟踪器将视觉跟踪任务描述为相似度匹配问题。几乎所有流行的孪生跟踪器都是通过目标分支和搜索分支之间的卷积特征互相关来实现相似学习的。然而，由于需要预先确定目标特征区域的大小，这些基于互相关的方法要么保留了大量的不利背景信息，要么丢失了大量的前景信息。此外，目标与搜索区域之间的全局匹配也在很大程度上忽略了目标的结构和部分信息。为了解决该问题，本文提出了一种简单的目标感知Siamese图

3. SiamBAN 框架        在本节中，我们将描述建议的SiamBAN框架。如图2所示，SiamBAN由一个Siamese网络主干网和多个box自适应磁头组成。Siamese网络主干负责计算模板块和搜索块的卷积特征映射，它使用了现成的卷积网络。box自适应头包括分类模块和回归模块。具体来说，分类模块对相关层的每个点进行前-背景分类，回归模块对对应位置进行包围盒预测。图2：提出的box自适应网络的架构。左图为其主

摘要        我们提出卷积块注意模块(CBAM)，一个简单而有效的前馈卷积神经网络的注意模块。给定一个中间特征图，我们的模块沿着两个独立的维度（通道和空间）依次推断注意力图，然后将注意力图乘以输入特征图，以进行自适应特征细化。因为CBAM是一个轻量级的通用模块，它可以无缝集成到任何CNN架构中，开销可以忽略不计，并且可以与基本CNN一起进行端到端训练。我们通过在ImageNet-1K、MS COCO检测和VOC 2007