DCFNET: сеть на основе дискриминантных корреляционных фильтров для визуального отслеживания

Авторы: Цян Ван, Цзинь Гао, Цзюньлян Син, Мэндан Чжан, Вэймин Ху

Введение

Методы на основе дискриминантных корреляционных фильтров (DCF) становятся доминирующим подходом к онлайн-отслеживанию объектов. Однако используемые в этих методах признаки либо основаны на ручных признаках, таких как HoGs, либо на свёрточных признаках, обученных независимо от других задач, таких как классификация изображений. В этой работе мы представляем DCFNet, лёгкую сетевую архитектуру «от начала до конца», предназначенную для одновременного обучения свёрточным признакам и выполнения процесса корреляционного отслеживания.

Содержание

1. Требования
2. Отслеживание
3. Обучение
4. Результаты
5. Цитирование DCFNet

Требования

git clone --depth=1 https://github.com/foolwood/DCFNet.git

Требования для MatConvNet 1.0-beta24 (см.: MatConvNet)

1. Загрузка MatConvNet

cd <DCFNet>
git clone https://github.com/vlfeat/matconvnet.git

2. Компиляция MatConvNet

Запустите следующую команду из окна команд MATLAB:

cd matconvnet
run matlab/vl_compilenn

[Необязательно]

Если вы хотите воспроизвести скорость, указанную в нашей статье, пожалуйста, следуйте веб-сайту, чтобы скомпилировать версию GPU.

Отслеживание

Файл demo/demoDCFNet.m используется для тестирования нашего алгоритма.

Чтобы воспроизвести производительность на OTB, вы можете просто скопировать DCFNet/ в инструментарий OTB.

[Примечание] Настройте путь MatConvNet в tracking_env.m.

Обучение

1. Загрузите обучающие данные. (VID)

2. Предварительная обработка данных в MATLAB.

cd training/dataPreprocessing
data_preprocessing();
analyze_data();

3. Обучите модель DCFNet.

train_DCFNet();

Результаты

DCFNet достигает значительных улучшений благодаря:

• Хорошему обучающему набору данных. (TC128+UAV123+NUS_PRO -> VID)
• Хорошей политике обучения. (постоянная 1e-5 -> логарифмическое пространство (-2,-5,50))
• Большому размеру заполнения. (1,5 -> 2,0)

Результаты OPE/TRE/SRE на OTB BaiduYun или GoogleDrive.

Цитирование DCFNet

Если вы считаете, что DCFNet полезен в вашем исследовании, пожалуйста, рассмотрите возможность цитирования:

@article{wang17dcfnet,
    Author = {Qiang Wang, Jin Gao, Junliang Xing, Mengdan Zhang, Weiming Hu},
    Title = {DCFNet: Discriminant Correlation Filters Network for Visual Tracking},
    Journal = {arXiv preprint arXiv:1704.04057},
    Year = {2017}
}