目标跟踪最强算法开源:商汤SiamRPN系列论文解读

AI 科技评论消息,日前,商汤科技智能视频团队首次开源其目标跟踪研究平台 PySOT。PySOT 包含了商汤科技 SiamRPN 系列算法,以及刚被 CVPR2019 收录为 Oral 的 SiamRPN++。此篇文章将独家解读目标跟踪最强算法 SiamRPN 系列。

背景

由于存在遮挡、光照变化、尺度变化等一些列问题,单目标跟踪的实际落地应用一直都存在较大的挑战。过去两年中,商汤智能视频团队在孪生网络上做了一系列工作,包括将检测引入跟踪后实现第一个高性能孪生网络跟踪算法的 SiamRPN(CVPR 18),更好地利用训练数据增强判别能力的 DaSiamRPN(ECCV 18),以及最新的解决跟踪无法利用到深网络问题的 SiamRPN++(CVPR 19)。其中 SiamRPN++在多个数据集上都完成了 10% 以上的超越,并且达到了 SOTA 水平,是当之无愧的目标跟踪最强算法。

项目地址:

https://github.com/STVIR/pysot

目标跟踪最强算法开源:商汤SiamRPN系列论文解读

以上动图中,红色框是 SiamRPN++的跟踪效果,蓝色框是 ECCV 2018 上的 UPDT 的结果,可以看出 SiamRPN++的效果更佳,跟踪效果更稳定,框也更准。从这个图也可以看出跟踪的一些挑战:光照急剧变化,形状、大小变化等。

SiamRPN (CVPR18 Spotlight):

在 CVPR18 的论文中(SiamRPN),商汤智能视频团队发现孪生网络无法对跟踪目标的形状进行调节。之前的跟踪算法更多的将跟踪问题抽象成比对问题,但是跟踪问题其实和检测问题也非常类似,对目标的定位与对目标框的回归预测一样重要。

研究人员分析了以往跟踪算法的缺陷并对其进行改进:

1. 大多数的跟踪算法把跟踪考虑成定位问题,但它和检测问题也比较类似,对目标的定位和对目标边界框的回归预测一样重要。为此,SiamRPN 将跟踪问题抽象成单样本检测问题,即需要设计一个算法,使其能够通过第一帧的信息来初始化的一个局部检测器。为此,SiamRPN 结合了跟踪中的孪生网络和检测中的区域推荐网络:孪生网络实现对跟踪目标的适应,让算法可以利用被跟踪目标的信息,完成检测器的初始化;区域推荐网络可以让算法可以对目标位置进行更精准的预测。经过两者的结合,SiamRPN 可以进行端到端的训练。

2. 以往的滤波类的方法,没办法通过数据驱动的形式提升跟踪的性能。而 SiamRPN 可以端到端训练,所以更大规模的数据集 Youtube-BB 也被引入到了训练中,通过数据驱动的形式提升最终的性能

目标跟踪最强算法开源:商汤SiamRPN系列论文解读

结合以上两点创新,在基线算法 SiamFC 的基础上,SiamRPN 实现了五个点以上的提升(OTB100,VOT15/16/17 数据集);同时还达到了更快的速度(160fps)、也更好地实现了精度与速度的平衡。

DaSiamRPN (ECCV18):

SiamRPN 虽然取得了非常好的性能,但由于训练集问题,物体类别过少限制了跟踪的性能;同时,在之前的训练方式中,负样本只有背景信息,一定程度上也限制了网络的判别能力,网络只具备区分前景与不含语义的背景的能力。基于这两个问题,DaSiamRPN 设计了两种数据增强方式:

1. 孪生网络的训练只需要图像对,而并非完整的视频,所以检测图片也可以被扩展为训练数据。更准确的来说,通过对检测数据集进行数据增强,生成可用于训练的图片对。因此在 DaSiamRPN 中,COCO 和 ImageNet Det 也被引入了训练,极大地丰富了训练集中的类别信息。同时,数据量增大的本身也带来了性能上的提升。

2. 在孪生网络的训练过程中,通过构造有语意的负样本对来增强跟踪器的判别能力,即训练过程中不再让模板和搜索区域是相同目标;而是让网络学习判别能力,去寻找搜索区域中和模版更相似的物体,而并非一个简单的有语义的物体。

目标跟踪最强算法开源:商汤SiamRPN系列论文解读

经过上述的改进,网络的判别能力变得更强,检测分数也变得更有辨别力,这样就可以根据检测分数判断目标是否消失。基于此,DaSiamRPN 可以将短时跟踪拓展到长时跟踪,并且在 UAV20L 数据集上比之前最好的方法提高了 6 个点。在 ECCV18 的 VOT workshop 上面,DaSiamRPN 取得了实时比赛的冠军,相比去年的冠军有了 80% 的提升

SiamRPN++ (CVPR19 Oral):

目前,孪生网络中的核心问题在于现有的孪生网络目标跟踪算法只能用比较浅的卷积网络(如 AlexNet),无法利用现代化网络为跟踪算法提升精度,而直接引入深网络甚至会使性能大幅衰减。

为了解决深网络这个 Siamese 跟踪器的痛点,商汤智能视频团队基于之前 ECCV2018 的工作(DaSiamRPN),通过分析孪生神经网络训练过程,发现孪生网络在使用现代化深度神经网络存在位置偏见问题,而这一问题是由于卷积的padding 会破坏严格的平移不变性。然而深网络并不能去掉 padding,为了缓解这一问题,让深网络能够在跟踪提升性能,SiamRPN++中提出在训练过程中加入位置均衡的采样策略。通过修改采样策略来缓解网络在训练过程中的存在的位置偏见问题,让深网络能够发挥出应有的效果。

目标跟踪最强算法开源:商汤SiamRPN系列论文解读

通过加入这一采样策略,深层网络终于能够在跟踪任务中发挥作用,让跟踪的性能不再受制于网络的容量。同时,为了更好地发挥深层网络的性能,SiamRPN++中利用了多层融合。由于浅层特征具有更多的细节信息,而深层网络具有更多的语义信息,将多层融合起来以后,可以跟踪器兼顾细节和深层语义信息,从而进一步提升性能。

除此之外,研究人员还提出了新的连接部件,深度可分离相关层(Depthwise Correlation,后续简写为 DW)。相比于之前的升维相关层(UpChannel correlation,后续简写为 UP),DW 可以极大地简化参数量,平衡两支的参数量,同时让训练更加稳定,也能更好的收敛。

目标跟踪最强算法开源:商汤SiamRPN系列论文解读

为了验证以上提出的内容,研究人员做了详细的实验。在比较常用的 VOT 和 OTB 数据集上,SiamRPN++取得了 SOTA 的结果。在 VOT18 的长时跟踪,以及最近新出的一些大规模数据集上如 LaSOT,TrackingNet,SiamRPN++也都取得了 SOTA 的结果

目标跟踪最强算法开源:商汤SiamRPN系列论文解读

传送门:

目前相关代码现已上传至商汤科技开源目标跟踪研究平台 PySOT。PySOT 实现了目前 SOTA 的多个单目标跟踪算法,旨在提供高质量、高性能的视觉跟踪研究代码库,并将其灵活应用于新算法的实现和评估中。欢迎大家使用与交流!

PySOT 开源项目

https://github.com/STVIR/pysot

SiamRPN

http://openaccess.thecvf.com/content_cvpr_2018/papers/Li_High_Performance_Visual_CVPR_2018_paper.pdf

DaSiamRPN

http://openaccess.thecvf.com/content_ECCV_2018/papers/Zheng_Zhu_Distractor-aware_Siamese_Networks_ECCV_2018_paper.pdf

SiamRPN++

https://arxiv.org/abs/1812.11703

参考文献:

Bo Li, Wei Wu, Qiang Wang, Fangyi Zhang, Junliang Xing, Junjie Yan, “SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks” (Oral) in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2019

Zheng Zhu, Qiang Wang, Bo Li, Wei Wu, Junjie Yan, “Distractor-aware Siamese Networks for Visual Object Tracking” European Conference on Computer Vision (ECCV) 2018

Bo Li, Junjie Yan, Wei Wu, Zheng Zhu, Xiaolin Hu, “High Performance Visual Tracking with Siamese Region Proposal Network” (Spotlight) in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2018

Luca Bertinetto, Jack Valmadre, João F. Henriques, Andrea Vedaldi, Philip H. S. Torr

“Fully-Convolutional Siamese Networks for Object Tracking” in ECCV Workshop 2016

Goutam Bhat, Joakim Johnander, Martin Danelljan, Fahad Shahbaz Khan, Michael Felsberg.”Unveiling the Power of Deep Tracking” European Conference on Computer Vision (ECCV) 2018

2019 全球人工智能与机器人峰会

由中国计算机学会主办、雷锋网和香港中文大学(深圳)联合承办的 2019 全球人工智能与机器人峰会( CCF-GAIR 2019),将于2019 年 7 月 12 日至 14 日在深圳举行。

届时,诺贝尔奖得主JamesJ. Heckman、中外院士、世界顶会主席、知名Fellow,多位重磅嘉宾将亲自坐阵,一起探讨人工智能和机器人领域学、产、投等复杂的生存态势。

主题测试文章,只做测试使用。发布者:觉鸟网,转转请注明出处:https://www.jueniao.cn/n/23373.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022年6月16日 00:30
下一篇 2022年6月16日 00:33

相关推荐

  • 基于注意力密集连接金字塔网络的新增建设用地变化检测

    本文内容来源于《测绘通报》2022年第3期,审图号:GS(2022)1286号 基于注意力密集连接金字塔网络的新增建设用地变化检测 潘建平1, 李鑫1, 孙博文1, 胡勇2, 李明明1 1. 重庆交通大学土木工程学院, 重庆 400074; 2. 重庆市规划和自然资源调查监测院, 重庆 401123 基金项目:国家自然科学基金(41801394);重庆市规划…

    2022年6月13日
    3100
  • 东芯半导体股份有限公司关于续聘会计师事务所的公告

    证券代码:688110 证券简称:东芯股份 公告编号:2022-027 本公司董事会及全体董事保证本公告内容不存在任何虚假记载、误导性陈述或者重大遗漏,并对其内容的真实性、准确性和完整性依法承担法律责任。 重要内容提示: ● 拟聘任的会计师事务所名称:立信会计师事务所(特殊普通合伙) 一、拟聘任会计师事务所的基本情况 (一)机构信息 1、基本信息 立信会计师…

    智能科技 2022年6月22日
    2800
  • 呆猫助力疫情居家办公,天神通用型云桌面1元超享福利来了

    呆猫云桌面XDEMO是以SaaS方式为用户提供一站式的桌面云服务,用户可根据不同使用场景配置机器,弹性租赁使用灵活,大幅缩短环境部署时间,减少空间占用和机器运维费用,满足移动办公、VR/AR、三维建模、实时交互、视觉设计、视频制作、影视特效、游戏娱乐、院校培训等多场景应用,区别于传统设计工作站,呆猫提供可随时随地接入,按需使用付费的GPU云桌面,为用户提供更…

    2022年6月14日
    3400
  • AMD锐龙6000处理器全面解析:性能强劲能耗比出色

    近年来,很多用户希望能有更高端系统性能且更轻薄的笔记本,AMD一直致力于打造高端笔记本和更轻薄的外观,从而在笔记本市场上——特别是游戏本市场上——获得了比较快速的增长。 AMD锐龙6000系列处理器兼具强劲性能和非常轻薄的设计,并且很好地平衡了高性能和电池续航表现,加上18毫米以下的轻薄设计,是AMD寄希望于强化市场地位的重要产品。 AMD锐龙6000系列处…

    2022年6月20日
    4500
  • 汇聚星光,圆梦童行,飞乐思用爱点亮公益

    9月30日,广东天物新材料科技有限公司旗下品牌飞乐思,与中华少年儿童慈善救助基金会(以下简称儿慈会),携手圆梦大使薇娅及新华网,联合举办汇聚星光,圆梦童行公益直播活动,活动所筹善款全部,将用于帮助孤儿、流浪儿、辍学儿童、失足少年儿童及有特殊困难的少年儿童。少年强,则中国强,帮助困境中的儿童,守护他们的未来与生活,向善而行,用温度让世界更美好,广东天物一直在路…

    2022年6月22日
    2600

发表回复

您的电子邮箱地址不会被公开。

联系我们

400-800-8888

在线咨询: QQ交谈

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信