論文の概要: SiamCorners: Siamese Corner Networks for Visual Tracking

• arxiv url: http://arxiv.org/abs/2104.07303v1
• Date: Thu, 15 Apr 2021 08:23:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-17 01:20:21.942310
• Title: SiamCorners: Siamese Corner Networks for Visual Tracking
• Title（参考訳）: SiamCorners: ビジュアルトラッキングのためのSamese Corner Networks
• Authors: Kai Yang, Zhenyu He, Wenjie Pei, Zikun Zhou, Xin Li, Di Yuan and Haijun Zhang
• Abstract要約: シンプルで効果的なアンカーフリートラッカー(Siamese corner network, SiamCorners)を提案します。 ターゲットを角のペアとして追跡することにより、アンカーボックスを設計する必要性を避けます。 SiamCorners は NFS30 の 53.7% AUC と UAV123 の 61.4% AUC を達成している。
• 参考スコア（独自算出の注目度）: 39.43480791427431
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The current Siamese network based on region proposal network (RPN) has attracted great attention in visual tracking due to its excellent accuracy and high efficiency. However, the design of the RPN involves the selection of the number, scale, and aspect ratios of anchor boxes, which will affect the applicability and convenience of the model. Furthermore, these anchor boxes require complicated calculations, such as calculating their intersection-over-union (IoU) with ground truth bounding boxes.Due to the problems related to anchor boxes, we propose a simple yet effective anchor-free tracker (named Siamese corner networks, SiamCorners), which is end-to-end trained offline on large-scale image pairs. Specifically, we introduce a modified corner pooling layer to convert the bounding box estimate of the target into a pair of corner predictions (the bottom-right and the top-left corners). By tracking a target as a pair of corners, we avoid the need to design the anchor boxes. This will make the entire tracking algorithm more flexible and simple than anchorbased trackers. In our network design, we further introduce a layer-wise feature aggregation strategy that enables the corner pooling module to predict multiple corners for a tracking target in deep networks. We then introduce a new penalty term that is used to select an optimal tracking box in these candidate corners. Finally, SiamCorners achieves experimental results that are comparable to the state-of-art tracker while maintaining a high running speed. In particular, SiamCorners achieves a 53.7% AUC on NFS30 and a 61.4% AUC on UAV123, while still running at 42 frames per second (FPS).
• Abstract（参考訳）: 地域提案ネットワーク(RPN)に基づく現在のシームズネットワークは,その精度と高効率性から,視覚的トラッキングに大きな注目を集めている。 しかしながら、RPNの設計には、モデルの適用性や利便性に影響を与えるアンカーボックスの数、スケール、アスペクト比の選択が含まれる。 さらに,これらのアンカーボックスは,接地真理バウンディングボックスとの交叉対(IoU)の計算などの複雑な計算を必要とするが,アンカーボックスに関連する問題のため,大規模画像ペア上でオフラインでエンドツーエンドにトレーニングされた単純なアンカーフリートラッカー(シームズコーナーネットワーク,SiamCorners)を提案する。 具体的には,目標のバウンディングボックス推定を一対のコーナー予測(右下隅と左上隅)に変換するために,修正されたコーナープーリング層を導入する。 ターゲットを一対のコーナーとして追跡することで、アンカーボックスの設計を避けることができる。 これにより、追跡アルゴリズム全体が、アンカーベースのトラッカーよりも柔軟でシンプルになる。 ネットワーク設計において,我々はさらに,コーナープーリングモジュールがディープネットワークにおける追跡対象の複数のコーナーを予測できる層別特徴集約戦略を導入する。 次に、これらの候補コーナーで最適なトラッキングボックスを選択するための新しいペナルティ用語を導入する。 最後に、SiamCornersは、高い実行速度を維持しながら、最先端のトラッカーに匹敵する実験結果を達成する。 特に、SiamCornersはNFS30では53.7%のAUC、UAV123では61.4%のAUCを達成している。

関連論文リスト

• OSP2B: One-Stage Point-to-Box Network for 3D Siamese Tracking [7.868399549570768]
  2段階のポイントツーボックスネットワークは、最近人気の高い3Dシームズ追跡パラダイムにおいて重要な役割を果たす。 本稿では,ポイントクラウドベースの3次元オブジェクト追跡のための,シンプルで効果的なワンステージ・ポイント・ツー・ボックス・ネットワークを提案する。 得られた分類スコアを中心性スコアと統合することにより、ネットワークは干渉提案を効果的に抑制することができる。
  論文  参考訳（メタデータ） (2023-04-23T08:52:36Z)
• MixFormer: Mixing Features across Windows and Dimensions [68.86393312123168]
  ローカルウインドウの自己注意は視覚タスクにおいて顕著に機能するが、限定的な受容野と弱いモデリング能力の問題に悩まされている。 これは主に、オーバーラップされていないウィンドウ内で自己注意を行い、チャネル次元に重みを共有するためである。 局所窓の自己アテンションと深度ワイドの畳み込みを並列設計で組み合わせ, クロスウィンドウ接続をモデル化し, 受容場を拡大する。
  論文  参考訳（メタデータ） (2022-04-06T03:13:50Z)
• TAP-Net: Transport-and-Pack using Reinforcement Learning [25.884588673613244]
  本稿では,実世界のパッキングにおいて頻繁に発生するTAP(Transport-and-pack)問題を紹介する。 我々は強化学習に基づくニューラル最適化ソリューションを開発した。 我々のネットワークは、小さな入力で訓練された場合、より大きな問題インスタンスに対してよく一般化されることを示す。
  論文  参考訳（メタデータ） (2020-09-03T06:20:17Z)
• Corner Proposal Network for Anchor-free, Two-stage Object Detection [174.59360147041673]
  オブジェクト検出の目標は、画像内のオブジェクトのクラスと位置を決定することである。 本稿では,多数のオブジェクト提案を抽出する新しいアンカーフリー2段階フレームワークを提案する。 この2つの段階が,リコールと精度の向上に有効な解であることを示す。
  論文  参考訳（メタデータ） (2020-07-27T19:04:57Z)
• Ocean: Object-aware Anchor-free Tracking [75.29960101993379]
  アンカーベース手法の回帰ネットワークは、正のアンカーボックスでのみ訓練される。 本稿では,この問題に対処する新しいオブジェクト認識型アンカーフリーネットワークを提案する。 我々のアンカーフリートラッカーは5つのベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-06-18T17:51:39Z)
• Accurate Anchor Free Tracking [9.784386353369483]
  本稿では,Anchor Free Siamese Network (AFSN) を開発した。 対象オブジェクトは、バウンディングボックスセンター、オフセットのトラッキング、オブジェクトサイズによって定義される。 AFSNを最高のアンカーベースのトラッカーと比較し、各ベンチマークで利用可能なソースコードを比較します。
  論文  参考訳（メタデータ） (2020-06-13T04:42:32Z)
• Siamese Keypoint Prediction Network for Visual Object Tracking [11.25492557077732]
  これらの課題に対処するために,シームズキーポイント予測ネットワーク(SiamKPN)を提案する。 SiamKPNは粗大な予測モデルのためのカスケード熱マップ戦略の恩恵を受ける。 4つのベンチマークデータセット上で、ビジュアルオブジェクトトラッキングのための最先端のトラッカーに対してうまく機能する。
  論文  参考訳（メタデータ） (2020-06-07T08:11:06Z)
• Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises [87.53808756910452]
  The method is proposed to deceive-of-the-the-art SiameseRPN-based tracker。 本手法は転送性に優れ,DaSiamRPN,DaSiamRPN-UpdateNet,DiMPなどの他のトップパフォーマンストラッカーを騙すことができる。
  論文  参考訳（メタデータ） (2020-03-21T07:13:40Z)
• Siamese Box Adaptive Network for Visual Tracking [100.46025199664642]
  我々は、シンプルで効果的な視覚追跡フレームワーク(Siamese Box Adaptive Network, SiamBAN)を提案する。 SiamBANは直接オブジェクトを分類し、その境界ボックスを統一畳み込みネットワーク(FCN)で回帰する SiamBANは最先端のパフォーマンスを達成し、40FPSで動作し、その有効性と効率を確認する。
  論文  参考訳（メタデータ） (2020-03-15T05:58:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。