DiMP:Learning Discriminative Model Prediction for Tracking_dimp算法

摘要

本文主要针对Siamese网络系列跟踪算法忽略目标背景信息的问题进行改进，旨在提高跟踪模型对于目标和背景的判别能力。具体地，本文设计了一个结合least-square regression和hinge loss优势的新的损失函数，并通过end-to-end的框架进行损失函数中关键参数的学习。在跟踪阶段，该框架能在较少的迭代次数下根据输入的目标预测模型的权重，得到一个target-specific的跟踪模型。

背景

通常，单目标跟踪是指给给定第一帧任意一个目标状态（目标位置和尺度大小）的前提，预测该目标在后续帧的运动轨迹。由于target-specific信息只有在在线跟踪阶段才能确定，无法通过离线预训练进行学习（也就是说，在跟踪阶段出现的需要跟踪的目标可能在训练阶段没有出现），因此如果想通过end-to-end的框架进行跟踪，需要考虑这个问题。

本文的baseline就是Siamese系列算法，这也是目前在单目标跟踪领域非常主流的跟踪框架，轻量级且效果尚可。Siamese算法通过计算模板图片和当前跟踪图片的cross-correlation来评估二者的相似性，相似性最高的区域作为当前跟踪的目标位置。但此类算法存在若干缺陷：第一，在跟踪阶段只考虑了目标的外观特征，忽略了对背景信息的利用；第二，对于在预训练中没有出现的物体，采用相似性度量的方式泛化能力不够；第三，Siamese系列的模型跟踪策略不够