Ocean : Suivi sans point d'ancrage conscient de l'objet

Les traqueurs Siamese basés sur des ancres ont atteint des progrès remarquables en précision, mais leur amélioration ultérieure est freinée par une robustesse de suivi insuffisante. Nous avons identifié la cause fondamentale : le réseau de régression utilisé dans les méthodes basées sur des ancres n’est entraîné qu’avec les boîtes englobantes positives (c’est-à-dire avec un IoU ≥ 0,6). Ce mécanisme rend difficile la révision des ancres dont le chevauchement avec les objets cibles est faible. Dans cet article, nous proposons un nouveau modèle de traçage sans ancres, conscient des objets, afin de résoudre ce problème. Premièrement, au lieu de réviser les boîtes d’ancrage de référence, nous prédisons directement la position et l’échelle des objets cibles de manière entièrement sans ancres. Étant donné que chaque pixel des boîtes de vérité terrain est correctement entraîné, le traqueur est capable de corriger les prédictions inexactes des objets cibles lors de l’inférence. Deuxièmement, nous introduisons un module d’alignement de caractéristiques afin d’apprendre une représentation de caractéristiques consciente des objets à partir des boîtes prédites. Cette caractéristique consciente des objets contribue ultérieurement à la classification des objets cibles et du fond. En outre, nous proposons un nouveau cadre de traçage basé sur ce modèle sans ancres. Les expérimentations montrent que notre traqueur sans ancres atteint des performances de pointe sur cinq benchmarks, notamment VOT-2018, VOT-2019, OTB-100, GOT-10k et LaSOT. Le code source est disponible à l’adresse suivante : https://github.com/researchmm/TracKit.