Lernen von räumlich bewussten Regressionen für visuelle Verfolgung

In dieser Arbeit analysieren wir die räumliche Information tiefster Merkmale und schlagen zwei ergänzende Regressionen für eine robuste visuelle Verfolgung vor. Zunächst stellen wir ein kerneles Ridge-Regression-Modell (kernelized ridge regression model) vor, bei dem der Kernwert als gewichtete Summe der Ähnlichkeitswerte aller Patchpaare zwischen zwei Stichproben definiert ist. Wir zeigen, dass dieses Modell als neuronales Netzwerk formuliert werden kann und daher effizient gelöst werden kann. Als Zweites schlagen wir ein vollständig konvolutionsbasiertes neuronales Netzwerk mit räumlich regularisierten Kernen vor, durch das der Filterkern, der jedem Ausgabe-Kanal entspricht, gezwungen wird, sich auf einen bestimmten Bereich des Ziels zu konzentrieren. Des Weiteren wird die Distanztransformation-Pooling-Methode genutzt, um die Effektivität jedes Ausgabe-Kanals der Konvolutionsschicht zu bestimmen. Die Ausgaben des kerneles Ridge-Regression-Modells und des vollständig konvolutionsbasierten neuronalen Netzwerks werden kombiniert, um die endgültige Antwort zu erhalten. Experimentelle Ergebnisse anhand zweier Benchmark-Datensätze bestätigen die Effektivität der vorgeschlagenen Methode.