基于上下文的深度特征压缩用于高速视觉跟踪

我们提出了一种新的基于上下文感知相关滤波器的跟踪框架，旨在实现实时跟踪器中既具有高计算速度又达到最先进性能的目标。该框架实现高计算速度的主要贡献在于所提出的深度特征压缩方法，该方法通过利用多个专家自编码器的上下文感知方案来实现；在我们的框架中，上下文指的是根据外观模式对跟踪目标进行粗略分类。在预训练阶段，每个类别都会训练一个专家自编码器。在跟踪阶段，为给定的目标选择最佳的专家自编码器，并仅使用该自编码器。为了在压缩特征图上实现高性能跟踪，我们引入了外部去噪过程以及一个新的正交损失项，用于专家自编码器的预训练和微调。我们通过一系列实验验证了所提出的上下文感知框架的有效性，在这些实验中，我们的方法在以超过100帧每秒（fps）的速度运行的同时，达到了与无法实时运行的最先进跟踪器相当的性能。