Nghiên cứu các phương pháp theo dõi đối tượng sử dụng kiến trúc mạng Siamese
Từ khóa:
Thị giác máy tính, Theo dõi đối tượng, Học sâu, Mạng nơron SiameseTóm tắt
Theo dõi đối tượng đã trở thành một trong những chủ đề nghiên cứu hấp dẫn nhất trong thị giác máy tính và ngày càng phát triển trong ứng dụng thương mại cũng như nghiên cứu học thuật. Công nghệ học sâu đã thực sự nâng tầm bài toán theo dõi đối tượng, bằng cách cung cấp khả năng học các đặc trưng trừu tượng giúp bám bắt đối tượng mạnh mẽ hơn. Các mô hình theo dõi dựa trên Siamese đã đạt được hiệu suất rất cao trong việc theo dõi đối tượng trực quan. Bài báo này trình bày phân tích sâu về khả năng học và suy luận của tám mô hình theo dõi dựa trên mạng nơron Siamese trong những năm gần đây. Kết quả định lượng từ tám bài báo được so sánh trên các bộ đánh giá theo dõi trực quan phổ biến OTB2015, UAV123, VOT2018 và LaSOT.
Tài liệu tham khảo
C. Robin and S. Lacroix, “Multi-robot target detection and tracking: Taxonomy and survey,” Autonomous Robots, vol. 40, no. 4, pp. 729-760, 2016.
K. Lee, J. Hwang, G. Okopal, and J. Pitton, “Ground-moving-platform-based human tracking using visual SLAM and constrained multiple kernels,” IEEE Trans. Intell. Transp. Sys., vol. 17, no. 12, pp. 3602-3612, 2016.
M. Gao, L. Jin, Y. Jiang, and B. Guo, “Manifold Siamese network: Anovel visual tracking ConvNet for autonomous vehicles,” IEEE Trans.Intell. Transp. Sys., pp. 1-12, 2019.
J. Hao, Y. Zhou, G. Zhang, Q. Lv, and Q. Wu, “A review of target tracking algorithm based on UAV,” in Proc. IEEE CBS, 2019, pp. 328-333.
M. Fiaz, A. Mahmood, and S. K. Jung, “Tracking noisy targets: A review of recent object tracking approaches,” 2018. [Online]. Available: http://arxiv.org/abs/1802.03098
M. Fiaz, A. Mahmood, S. Javed, and S. K. Jung, “Handcrafted and deep trackers: Recent visual object tracking approaches and trends,” ACM Computing Surveys, 2019.
P. Li, D. Wang, L. Wang, and H. Lu, “Deep visual tracking: Review and experimental comparison,” Pattern Recognit., vol. 76, pp. 323-338,2018.
Abbass, Mohammed Y., Ki-Chul Kwon, Nam Kim, Safey A. Abdelwahab, Fathi E. Abd El-Samie, and Ashraf AM Khalaf. “A survey on online learning for visual tracking,” The Visual Computer (2020): 1-22.
R. Pflugfelder, “An in-depth analysis of visual tracking with Siamese neural networks,” 2017. [Online]. Available: http://arxiv.org/abs/1707.00569.
Lin, T.Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Doll´ar, P., Zitnick, C.L. “Microsoft coco: Common objects in context,”. In ECCV 2014, pp. 740-755.
O. Russakovsky, J. Deng, H. Su, J. Krause, S. Satheesh, S. Ma, Z. Huang, A. Karpathy, A. Khosla, M. Bernstein, A. C. Berg, and L. Fei-Fei, “ImageNet large scale visual recognition challenge,” IJCV, vol. 115, no. 3, pp. 211-252, 2015.
E. Real, J. Shlens, S. Mazzocchi, X. Pan, and V. Vanhoucke, “YouTube-BoundingBoxes: A large high-precision human-annotated data set forobject detection in video,” in Proc. IEEE CVPR, 2017, pp. 7464-7473.
Y. Wu, J. Lim, and M. Yang, “Object tracking benchmark,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 37, no. 9, pp. 1834-848, 2015.
M. Mueller, N. Smith, and B. Ghanem, “A benchmark and simulator for UAV tracking,” in Proc. ECCV, 2016, pp. 445-461.
M. Kristan, A. Leonardis, J. Matas, M. Felsberg, R. Pflugfelder, and et al., “The sixth visual object tracking VOT2018 challenge results,” in Proc. ECCVW, 2018, pp. 3-53.
H. Fan, L. Lin, F. Yang, P. Chu, G. Deng, S. Yu, H. Bai, Y. Xu, C. Liao, and H. Ling, “LaSOT: A high-quality benchmark for large-scale single object tracking,”. IEEE CVPR, 2019.
A. Krizhevsky, I. Sutskever, and G. E. Hinton, “ImageNet classification with deep convolutional neural networks,” in Proc. NIPS, vol. 2, 2012, pp. 1097-1105.
K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” in Proc. IEEE CVPR, 2016, pp. 770-778.
B. Li, J. Yan, W. Wu, Z. Zhu, and X. Hu, “High performance visual tracking with Siamese region proposal network,” in Proc. IEEE CVPR, 2018, pp. 8971–8980.
Z. Zhu, Q. Wang, B. Li, W. Wu, J. Yan, and W. Hu, “Distractor-aware Siamese networks for visual object tracking,” in Proc. ECCV, vol. 11213 LNCS, 2018, pp. 103-119.
B. Li, W. Wu, Q. Wang, F. Zhang, J. Xing, and J. Yan, “SiamRPN++: Evolution of Siamese visual tracking with very deep networks,”. IEEE CVPR, 2019.
Z. Zhang and H. Peng, “Deeper and wider Siamese networks for real-time visual tracking,”. IEEE CVPR, 2019.
Y. Yu, Y. Xiong, W. Huang, and M. R. Scott, “Deformable siamese attention networks for visual object tracking,” in Proc. IEEE CVPR, 2020.
Z. Chen, B. Zhong, G. Li, S. Zhang, and R. Ji, “Siamese box adaptive network for visual tracking,” in Proc. IEEE CVPR, 2020.
D. Guo, J. Wang, Y. Cui, Z. Wang, and S. Chen, “SiamCAR: Siamese fully convolutional classification and regression for visual tracking,” in Proc. IEEE CVPR, 2020.
P. Voigtlaender, J. Luiten, P. H. Torr, and B. Leibe, “SiamRCNN: Visual tracking by re-detection,” in Proc. IEEE CVPR, 2020.
