https://www.bilibili.com/read/cv6647311/
論文閱讀之2020cvpr-Correlation-Guided Attention for Corner Detection Based Visual Tracking
見上面知乎鏈接~
基于相關指導注意力的角點檢測目標跟蹤
多尺度搜索策略在涉及目標變化的挑戰中不能估計包圍框，故精確包圍框估計最近應用較多，能夠檢測目標角點的跟蹤器可以靈活的適應其變化，但是僅依賴基于角點檢測的跟蹤方法沒有取得足夠的成功。本文分析失敗的原因然后提出了在兩個階段張紅執行相關引導的注意力檢測的最新技術，首先利用孿生網絡區分目標和背景，獲得感興趣的ROI區域，其次，基于像素相關引導的空間注意力模塊和通道相關引導的通道注意力模塊利用目標模版和ROI之間的關系來突出拐角區域并增強ROI特征以進行角點檢測。相關引導的注意力模塊提升了角點檢測的準確性，從而實現了精確的包圍框估計，當使用新的ROI增強策略在大規模數據集上進行訓練時，取得了較好的效果。
之前的方法SATIN 以及GOTURN方法缺點：
難以區分目標和非目標的角點
難以有效利用模版和搜索圖像之間的關系，雖然互相關操作可以衡量模版和搜索圖的相似性，但是角點的空間信息并沒有被明確的編碼到互相關的結果中

故本文設計了提出先檢測包含物體的roi,然后在ROI中精確回歸框的兩階段方法，避免了模糊角點的問題，針對問題2很好的利用了模版和ROI之間的關系，傳統的互相關方法無法編碼角點空間位置，作者設計了一個pixel-wise 相關，將模版的每個點分別與ROI所有點計算其相似度，然后利用空間注意力去強化角點對應區域的特征，還設計了一個channel-wise 相關知道通道注意力來強化特定類別目標響應高的通道，弱化了一些沒有影響的通道。針對問題3 采用的是SIAMRPN++的方法。利用Resnet50網絡。
整體思想都是先得到ROI區域，然后再ROI中預測點，通過孿生跟蹤模塊得到一個包含目標的ROI，然后通過兩個注意力來提出角點區域并得到目標 最后預測兩個角點。

總結

以上是生活随笔為你收集整理的2020cvpr-Correlation-Guided Attention for Corner Detection Based Visual Tracking的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。