要約
近年、視覚的オブジェクト追跡は重要な研究テーマとなっており、多くの深層学習ベースの追跡手法が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る。しかし、これらの多くはリアルタイム速度でトップ性能を発揮することは難しい。本論文では、大規模な画像ペアをオフラインでエンド・トゥ・エンド学習可能な「シアンセス領域提案ネットワーク（Siamese-RPN）」を提案する。本手法は、特徴抽出用のシアンセスサブネットワークと、分類ブランチおよび回帰ブランチを含む領域提案サブネットワークから構成される。推論フェーズでは、提案フレームワークを局所的なワンショット検出タスクとして定式化する。テンプレートブランチを事前に計算し、相関層を単純な畳み込み層として扱うことで、オンライン追跡を効率的に行える。提案手法は領域提案の精緻化により、従来のマルチスケールテストやオンラインファインチューニングを不要とする。Siamese-RPNは160 FPSの高速動作を実現しつつ、VOT2015、VOT2016、VOT2017のリアルタイムチャレンジにおいて最先端の性能を達成した。