Single-Object Tracking Paper Reading SiameseBoxAdaptiveNetworkforVisualTracking

文章结构概述

• 核心优化内容

  • 优化初衷

  • 具体实施方式

    • • 主体网络架构
      • 分类模块与回归模块
      • 多层级预测机制
      • 真实标注与损失函数
      • 模型训练与推理过程

  • 实验结果分析

    • • VOT2018&2019数据集
      • 其他相关数据库
      • 消融实验设计

  • 总结与未来优化方向

  • 存在的问题与挑战

主要改进点概述

1. 创新性架构：SiamBAN
2. 采用无锚点设计，省去了传统方法中对候选区域进行参数设定及先验信息依赖的步骤，从而提升了模型的适应能力
3. 实现每秒40帧的处理速度，完全符合实际应用中对实时性能的需求

改进动机分析

1. 基于锚点的跟踪技术需要承担繁重的参数调节任务
2. 近年来，无需锚点的检测技术取得了显著的发展进步

具体方法概述

主干网路

1. 在孪生网络结构中引入了质量分支与状态回归分支
2. 主干网络选用ResNet-50架构，对后两个blocks中的下采样操作进行了移除，以维持较高的空间分辨率；通过引入空洞卷积方式拓展感受野，并根据各层特性调整空洞间隔：conv4与conv5的采样步长设定为1，其中conv4的空洞间隔为2，而conv