本稿では、二段階型オブジェクト検出アプローチの潜在能力を最大限に引き出すためのシアン・リデテクションアーキテクチャ「Siam R-CNN」を提案する。これに加えて、最初のフレームのテンプレートおよび直前のフレームの予測結果の再検出を活用する、新しいトラックレットベースの動的計画法アルゴリズムを導入することで、追跡対象オブジェクトおよび潜在的な干渉オブジェクトの履歴情報を包括的にモデル化する。このアプローチにより、より優れた追跡判断が可能となり、長時間の隠蔽後でも追跡対象オブジェクトの再検出が実現される。さらに、類似した外見を持つオブジェクトに対する耐性を高めるため、新たなハード例マイニング戦略を提案する。Siam R-CNNは、10の追跡ベンチマークにおいて現在の最高性能を達成しており、特に長期追跡において顕著な成果を示している。本研究のコードおよびモデルは、www.vision.rwth-aachen.de/page/siamrcnn にて公開している。