一种面向计算机视觉应用的无锚框目标跟踪算法

摘要

本方面主要提供了一种面向计算机视觉应用的无锚框目标跟踪算法，基于孪生架构的方法因其能在保持良好速度的同时取得较显著的性能,引起了视觉跟踪领域的广泛关注。然而，孪生网络分支通常是独立的，缺乏信息交互，这限制了模型性能的进一步提升。为了增强孪生网络分支的协作能力，本文提出基于孪生架构的交叉感知网络模型，称之为SiamCross(SiameseCrossObject‑AwareNetwork)。在SiamCross中，我们基于孪生网络分支的互监督，设计了全新的孪生交叉感知子网络(SiameseCross‑AwareNetwork，SCAN)。SCAN可使得孪生网络提取的特征能够有效感知并区分前景和背景。基于无锚框的区域候选网络将跟踪任务直接定义为对每个像素的分类和回归，网络分支特征可各自聚焦于目标的局部与全局空间信息。