摘要
由于其在准确性和速度之间的平衡，Siamese网络在视觉跟踪领域受到了广泛关注。然而，Siamese跟踪器中使用的骨干网络相对较为浅层，例如AlexNet [18]，未能充分利用现代深度神经网络的能力。本文研究了如何利用更深、更宽的卷积神经网络来提高跟踪的鲁棒性和准确性。我们观察到，直接用现有的强大架构（如ResNet [14]和Inception [33]）替换骨干网络并不能带来性能提升。主要原因有两点：1) 神经元的感受野大幅增加导致特征区分能力和定位精度下降；2) 卷积操作中的网络填充引入了学习过程中的位置偏差。为了解决这些问题，我们提出了一种新的残差模块以消除填充带来的负面影响，并进一步设计了使用这些模块的新架构，通过控制感受野大小和网络步幅来实现这一目标。所设计的架构轻量且在应用于SiamFC [2]和SiamRPN [20]时能保证实时跟踪速度。实验结果表明，仅由于所提出的网络架构，我们的SiamFC+和SiamRPN+分别在OTB-15、VOT-16和VOT-17数据集上相对于原始版本 [2, 20] 获得了高达9.8%/5.7%（AUC）、23.3%/8.8%（EAO）和24.4%/25.0%（EAO）的相对性能提升。