『目标』MAML-Tracker:用目标检测思路做目标跟踪?小样本即可得高准确率丨CVPR 2020( 三 )


『目标』MAML-Tracker:用目标检测思路做目标跟踪?小样本即可得高准确率丨CVPR 2020
文章图片

文章图片

表2:在线更新策略有效性的验证结果
我们将检测器模型应用于跟踪任务上 , 得到的准确率并不逊色于一些经过精心设计的跟踪器 。在多个主流数据集上 , 我们均取得了超过或者接近当时最好跟踪器的性能 。这些结果充分展示了“目标检测+小样本学习”这个框架的威力 。
近年来 , 目标跟踪技术的发展突飞猛进 , 在各大数据集的性能评测中有了长足的进步 。一方面 , 目标检测技术的进步给跟踪器带来了不小的帮助 , 许多目标检测的优秀设计被应用到了跟踪领域 , 使物体坐标的预测更加精确 , 如 SiamRPN、SPM、SiamFC++ 等等 。另一方面 , 不少工作深入研究了如何利用少量样本去学习一个可靠的目标物体表征 , 如 MDNet , MetaTracker , ATOM 等等 。在这篇文章中 , 我们借鉴了这两个方向的研究 , 提出了一个简洁、统一而高效的框架“目标检测+小样本学习≈目标跟踪” , 希望能为目标跟踪的研究提供一个不一样的视角 。在这个框架下 , 还有许多问题仍值得探索 , 例如采用更好的小样本学习算法、实例分割结合小样本学习等等 。我们也将在未来的工作进一步发掘这一框架的潜能 , 打造一个更好、更快的目标跟踪算法 。


推荐阅读