完全畳み込みシAMEセネットワークを用いた物体追跡

任意の物体追跡の問題は、従来、ビデオ自体を唯一の訓練データとして使用し、物体の外観モデルを完全にオンラインで学習することによって対処されてきました。これらの手法が成功しているにもかかわらず、オンラインのみのアプローチは学習できるモデルの豊かさを本質的に制限しています。最近では、深層畳み込みネットワーク（Deep Convolutional Networks）の表現力を活用する試みがいくつか行われています。しかし、追跡すべき物体が事前に未知である場合、ネットワークの重みを適応させるためにオンラインで確率的勾配降下法（Stochastic Gradient Descent）を行う必要があり、これがシステムの速度を大幅に損なう原因となっています。本論文では、基本的な追跡アルゴリズムに新しいフルコンボリューショナルなシアムネットワークを搭載しました。このネットワークはILSVRC15データセットを使用してエンドツーエンドで物体検出のために訓練されています。当社のトラッカーは実時間以上のフレームレートで動作し、極めて単純な構造にもかかわらず、複数のベンチマークにおいて最先端の性能を達成しています。