GradNet：視覚オブジェクト追跡のための勾配指向型ネットワーク

テンプレートマッチングに基づく完全畳み込み型シアンセスネットワークは、視覚追跡において大きな可能性を示している。テスト段階では、テンプレートが初期のターゲット特徴に基づいて固定され、性能はシアンセスネットワークの一般的なマッチング能力に完全に依存する。しかし、この手法ではターゲットや背景の時間的変化を捉えることができず、背景の雑音や干渉に対しても脆弱である。本研究では、勾配に含まれる識別情報を活用し、前向きおよび後向きの演算を通じてシアンセスネットワーク内のテンプレートを更新する新たな勾配誘導型ネットワークを提案する。本アルゴリズムは、前向きおよび後向きの演算を用いて勾配における識別情報を利用し、ターゲットの核心的な注目領域を捉える。具体的には、勾配から得られる情報を活用して、現在のフレームにおけるテンプレートを更新可能となる。さらに、勾配情報の効果的な活用と過学習の回避を目的として、テンプレート一般化学習手法を提案する。本研究は、シアンセスベースの追跡器におけるテンプレート更新に勾配情報を利用するという点で、知られている限りでは初めての試みである。最近のベンチマークに対する広範な実験の結果、本手法は他の最先端追跡手法と比較して優れた性能を達成することを示した。