摘要
近年来，视觉目标跟踪已成为一个基础性研究课题，基于深度学习的跟踪器在多个基准测试中已取得最先进的性能。然而，大多数现有跟踪器难以在保持实时速度的同时实现顶尖性能。本文提出了一种基于孪生区域提议网络（Siamese-RPN）的跟踪框架，该框架采用大规模图像对进行离线端到端训练。具体而言，该网络由两个子网络构成：用于特征提取的孪生子网络，以及包含分类分支和回归分支的区域提议子网络。在推理阶段，所提出的框架被建模为一个局部的一次性检测任务。通过预先计算孪生子网络中的模板分支，并将相关层简化为常规卷积层，可实现高效的在线跟踪。得益于提议区域的精炼机制，传统上依赖的多尺度测试和在线微调策略均可被省略。实验结果表明，Siamese-RPN在保持160 FPS的实时运行速度的同时，在VOT2015、VOT2016和VOT2017的实时跟踪挑战赛中均取得了领先性能。