'Object Tracking' 카테고리의 설명


#1

Visual Object Tracking과 관련된 논문을 다룹니다.

Materials

Datasets


[(C-COT) Beyond Correlation Filters: Learning Continuous Convolution Operators for Visual Tracking]

(GOTURN) Learning to Track at 100 FPS with Deep Regression Networks

  • #2016 #eccv #eccv2016
  • Source code : https://github.com/davheld/GOTURN
  • 이전, 현재 프레임의 이미지를 입력으로 받아서 물체의 위치를 Regression하는 단순한 모델.
  • Online finetuning 없이 general object tracking을 가능하게 하기 위해서, 다양한 물체의 이미지를 학습 데이터로 활용함.

(SINT) Siamese Instance Search for Tracking

  • #2016 #cvpr #cvpr2016
  • Candidate 여러 개를 추출한 후 Siamese Network으로 가장 유사한 부분을 트래킹하는 방식.
  • siameseFC와 네트워크 구조는 비슷하지만, 여러 candidate을 비교해야한다는 점에서 효율성은 떨어짐.

(siameseFC) Fully-Convolutional Siamese Networks for Object Tracking

(MDNet) Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

  • #2016 #cvpr #cvpr2016
  • VOT2015 Winning Architecture
  • 공통의 표현방법(representation)과 특정 도메인을 위한 표현 방법(representation)을 나누어 학습
  • tracking 시점에 finetuning으로 online adaption하는 개념을 제안

(CFNet) End-to-end representation learning for Correlation Filter based tracking

(ADNet) Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning

  • #2017 #cvpr #cvpr2017 #reinforcement #rl
  • MDNet 개선으로 속도 향상
  • 물체를 추적(tracking)하기 위해서 이미지 상의 다양한 공간을 불필요하게 탐색하면서 가장 잘 매칭되는 곳을 찾는 방식의 비효율성이나, 학습을 위해 트래킹에 해당하는 많은 레이블이 필요한 점을 콕 짚어 해결했다고 주장

ECO: Efficient Convolution Operators for Tracking

  • #2017 #cvpr #cvpr2017 #dcf
  • C-COT 모델의 변형. 오버피팅을 잡고, 연산 효율성을 늘려 성능 개선함.

(DSiam) Learning Dynamic Siamese Network for Visual Object Tracking

  • #2017 #iccv #iccv2017 #siamese
  • This paper has proposed dynamic Siamese Network (DSiam) for visual object tracking, aiming to provide reliable online adaptation ability, while maintaining real-time tracking speed.

UCT: Learning Unified Convolutional Networks for Real-Time Visual Tracking

  • #2017 #iccv #iccv2017
  • DCF 대신 Convolution으로 End-to-end Tracking을 시도한 논문.
  • RealTime Tracker 중 좋은 성능.

(PTAV) Parallel Tracking and Verifying: A Framework for Real-Time and High Accuracy Visual Tracking

  • #2017 #iccv #iccv2017
  • 빠른 속도를 가진 CF 기반 fDSST 트래커(tracker, T)와 그 결과를 검증하는 SiamFC 기반 verifier, V를 서로 다른 thread에 구현.
  • T의 결과를 검증한 후 이상이 있을 때만, 복잡한 연산인 SiamFC를 적용해 보정하고 나머지 부분은 빠르게 처리하는 게 핵심

(BACF) Learning Background-Aware Correlation Filters for Visual Tracking

  • #2017 #iccv #iccv2017
  • Correlation Filter에 Negative Sample로 Background를 사용하는 Formulation 제안으로, 성능 향상.

(EAST) Learning Policies for Adaptive Tracking with Deep Feature Cascades

  • #2017 #iccv #iccv2017
  • RL Agent가 각 Convolution Layer에서 Decision을 내리는 형태. Early Stopping으로(평균적으로 2.1 Layer에서) 속도 개선 있고, Box Size나 Aspect Ratio에 대한 변경이 이루어져 성능에 도움을 줌.
  • Correlation Layer로는 물체의 중심 위치만 찾고, 크기는 RL Agent로 얻는 형태. 기존의 SiameseFC 류는 여러 Scale로 Inference를 여러번한 결과를 Correlation Layer를 이용해 크기까지 추정하려고 했음.

CREST: Convolutional Residual Learning for Visual Tracking

DCFNet: Discriminant Correlation Filters Network for Visual Tracking.

  • #2017 #arxiv
  • CFNet의 개선 버전

VITAL: VIsual Tracking via Adversarial Learning

  • #2018 #cvpr #cvpr2018 #gan
  • Single Image Frame에 Overfitting되는 것을 막기 위해서 #gan 을 이용해서 feature mask를 학습하여, long temporal span에 적합한 feature가 분류기 학습에 반영될 수 있도록 함

(SA-Siam) A Twofold Siamese Network for Real-Time Object Tracking

  • #2018 #cvpr #cvpr2018 #siamese
  • siameseFC의 변형으로, online finetuning이 없는 것의 한계를 극복하기 위해서 semantic branch를 추가함.
  • semantic branch는 imagenet 등으로 pretrain된 네트워크를 사용.
  • semantic + appearance branch 의 앙상블로 볼 수 있음.

(RASNet) Learning Attentions: Residual Attentional Siamese Network for High Performance Online Visual Tracking

  • #2018 #cvpr #cvpr2018 #siamese
  • siameseFC의 변형으로, online finetuinng이 없는 것의 한계를 극복하기 위해서 attention mechanism을 사용함.

(LSART) Learning Spatial-Aware Regressions for Visual Tracking

(FlowTrack) End-to-end Flow Correlation Tracking with Spatial-temporal Attention

SINT++: Robust Visual Tracking via Adversarial Positive Instance Generation


Deep Learning Outline