SiamRPN学习总结

发表于 | 分类于 | 阅读次数

SiamRPN总结

Abstract:

提出了一种SiamRPN框架, 通过在目标跟踪算法中引入RPN机制, 在兼顾跟踪速度的同时提升了跟踪的精度.

36f9955f0fcbed60d8e0ed49df9476f2.png

RPN框架图

Detail:

  1. 基于目标框(bounding-box)预定义几种不同尺寸和宽高比的锚框(假设共k种), 计算锚框与目标框的偏移量 $(dx,dy,dw,dh)$ 和IOU, 确定分类label(IOU>0.6为目标, IOU<0.3为背景, 其余点不计入loss).
  2. 如上图通过孪生网络得到目标 (127x127) 与搜索区域 (255x255) 的特征, 同时输入RPN网络得到2k(目标,背景)通道的分类结果和4k通道$(dx,dy,dw,dh)$ 的回归结果.
  3. 计算loss并反向传播训练网络

Test:

得到2k通道的分类结果后, 取最大值坐标, 根据坐标得到对应锚框的dx,dy,dw,dh. 计算得出当前帧的目标框.

0%