SiamRPN++: تطور تتبع الصور البصرية باستخدام الشبكات العصبية العميقة جداً

الشبكات التوأمية المستندة تشكل تتبع الأهداف على أنه ترابط خصائص تبادلي بين القالب الهدف والمنطقة البحثية. ومع ذلك، لا تزال الشبكات التوأمية تعاني من فجوة في الدقة مقارنة بالخوارزميات الرائدة ولا تستطيع الاستفادة من الخصائص المنبثقة من شبكات العمق، مثل ResNet-50 أو أعمق منها. في هذا العمل، نثبت أن السبب الرئيسي يكمن في عدم وجود ثبات صارم للترجمة. من خلال تحليل نظري شامل وتحقق تجريبي، نكسر هذه القيود عبر استراتيجية عينات متنبهة للمكان بسيطة ولكنها فعالة، ونتمكن بنجاح من تدريب متعقب توأم مدفوع بـ ResNet مع زيادة كبيرة في الأداء. بالإضافة إلى ذلك، نقترح هندسة نموذج جديدة لتنفيذ عمليات جمع عميقة وطبقية، مما لا يحسن فقط الدقة بل يقلل أيضًا حجم النموذج. نقوم بدراسات تقليصية واسعة لبيان فعالية المتعقب المقترح، والذي حقق أفضل النتائج الحالية على أربعة مقاييس تتبع كبيرة، بما في ذلك OTB2015 و VOT2018 و UAV123 و LaSOT. سيتم إصدار نموذجنا لتسهيل المزيد من الدراسات حول هذه المشكلة.