目标跟踪《十二》--- SA-Siam论文笔记

目标跟踪《十二》--- SA-Siam论文笔记

论文地址 http://openaccess.thecvf.com/content_cvpr_2018/papers/He_A_Twofold_Siamese_CVPR_2018_paper.pdf,

核心思想

改进了siameseFC跟踪算法,将类别语义信息分支加入跟踪框架,使得效果有所提升. 整体的图如下 avator

总共有两个分支,blue的部分是appearance branch, orange的分支是semantic branch,两个分支最后都会通过与第一桢目标在feature space上做相关卷积得到response 的图h,最终的在推理的时候将两个响应图加权平均,最大的地方就认为是目标的位置,然后再插值对应到原图的地方。整个过程没有在线的部分,全部离线训练好,然后进行推理,结构比较简单.

需要注意的地方

  • S-NET 直接使用预训练好的AlexNet参数,不需要再进行训练,这一点和atom中很类似,atom的前面提特征的部分默认也是没有进行学习的

  • 为什么在S-Net中加入channel attention机制,

较深层的语义特征对于图片的形变,旋转等具有很好的鲁棒性,但是会导致判别力低,为了增加语义特征的判别力,作者设计了channel-attention模块.

打赏,谢谢~~

取消

感谢您的支持,我会继续努力的!

扫码支持
扫码打赏,多谢支持~

打开微信扫一扫,即可进行扫码打赏哦