摘要
视觉跟踪任务要求在同时实现鲁棒分类与精确目标状态估计方面具备高效性。以往的方法虽提出了多种目标状态估计方案，但鲜有研究充分考虑视觉跟踪问题本身的特殊性。经过深入分析，本文提出了一套面向高性能通用目标跟踪器设计的实用化目标状态估计指导原则。基于这些原则，我们设计了全卷积孪生跟踪器++（SiamFC++），其创新性地引入了分类分支与目标状态估计分支（G1），确保分类得分无歧义性（G2），实现无需先验知识的跟踪（G3），并引入估计质量评分机制（G4）。大量实验分析与消融研究验证了所提指导原则的有效性。在不依赖复杂技巧的前提下，SiamFC++在五个具有挑战性的基准数据集（OTB2015、VOT2018、LaSOT、GOT-10k、TrackingNet）上均取得了当前最优性能，充分证明了该跟踪器在跟踪精度与泛化能力方面的卓越表现。尤其在大规模TrackingNet数据集上，SiamFC++实现了前所未有的AUC得分75.4，同时运行速度超过90 FPS，远超实时性要求。代码与模型已开源，地址为：https://github.com/MegviiDetection/video_analyst。