Nous présentons Siam R-CNN, une architecture de re-détection de type Siamese qui exploite pleinement le potentiel des méthodes de détection d’objets en deux étapes pour le suivi d’objets visuels. Nous combinons cette approche avec un nouvel algorithme de programmation dynamique basé sur les tracklets, qui tire parti des re-détections du modèle de la première image ainsi que des prédictions des images précédentes, afin de modéliser l’historique complet à la fois de l’objet à suivre et des objets perturbateurs potentiels. Cela permet à notre méthode de prendre des décisions de suivi plus efficaces, ainsi que de ré-détecter les objets suivis après de longues occlusions. Enfin, nous proposons une nouvelle stratégie d’extraction d’exemples difficiles pour améliorer la robustesse de Siam R-CNN face à des objets aux apparences similaires. Siam R-CNN atteint actuellement les meilleurs résultats sur dix benchmarks de suivi d’objets, avec des performances particulièrement remarquables en suivi à long terme. Nous mettons à disposition notre code et nos modèles à l’adresse suivante : www.vision.rwth-aachen.de/page/siamrcnn.