객체 추적을 위한 완전 컨벌루션 시아메즈 네트워크

임의 객체 추적 문제는 전통적으로 비디오 자체를 유일한 훈련 데이터로 사용하여 객체의 외관 모델을 온라인에서만 학습하는 방법으로 해결되어 왔습니다. 이러한 방법들이 성공적이었음에도 불구하고, 온라인 전용 접근 방식은 그들이 학습할 수 있는 모델의 복잡성을 본질적으로 제한합니다. 최근에는 딥 컨볼루션 네트워크의 표현력을 활용하려는 여러 시도가 이루어졌습니다. 그러나 추적해야 하는 객체가 사전에 알려져 있지 않은 경우, 네트워크의 가중치를 적응시키기 위해 온라인에서 확률적 경사 하강법(Stochastic Gradient Descent)을 수행해야 하며, 이는 시스템의 속도를 크게 저하시킵니다. 본 논문에서는 기본적인 추적 알고리즘에 ILSVRC15 데이터셋을 이용해 비디오에서 객체 검출을 위해 엔드투엔드로 훈련된 새로운 완전 컨볼루션 Siamese 네트워크를 탑재하였습니다. 우리의 추적기는 실시간보다 빠른 프레임율로 작동하며, 극히 단순함에도 불구하고 다수의 벤치마크에서 최고 수준의 성능을 달성하고 있습니다.