摘要
近期，基于深度神经网络（DNN）的视觉跟踪解决方案得到了迅速发展。一些跟踪器将基于DNN的解决方案与判别相关滤波器（DCF）相结合，提取语义特征，并成功实现了最先进的跟踪精度。然而，这些解决方案计算量巨大，需要较长的处理时间，导致实时性能不稳定。为了同时实现高精度和可靠的实时性能，我们提出了一种名为SiamVGG的新跟踪器（详见：https://github.com/leeyeehoo/SiamVGG）。该跟踪器结合了卷积神经网络（CNN）主干和交叉相关运算符，并利用示例图像中的特征进行更精确的目标跟踪。SiamVGG的架构是在VGG-16的基础上定制的，参数由示例图像和目标输入视频帧共享。我们在OTB-2013/50/100和VOT 2015/2016/2017数据集上展示了所提出的SiamVGG，在保持良好的实时性能（在GTX 1080Ti上运行时达到50 FPS）的同时，实现了最先进的精度。我们的设计在VOT2017挑战赛中比ECO和C-COT实现了2%更高的预期平均重叠率（EAO）。