문맥 인식 깊은 특성 압축을 이용한 고속 시각 추적

실시간 추적기 중에서 높은 계산 속도와 최신 수준의 성능을 모두 달성하기 위해 새로운 맥락 인식 상관 필터 기반 추적 프레임워크를 제안합니다. 높은 계산 속도에 대한 주요 공헌은 여러 전문가 오토인코더를 활용한 맥락 인식 방식으로 이루어진 제안된 딥 피처 압축에 있습니다. 본 프레임워크에서의 맥락은 외형 패턴에 따라 추적 대상의 대략적인 범주를 의미합니다. 사전 학습 단계에서는 각 범주별로 하나의 전문가 오토인코더가 훈련됩니다. 추적 단계에서는 주어진 대상에 대해 가장 적합한 전문가 오토인코더가 선택되며, 이 오토인코더만이 사용됩니다. 압축된 피처 맵으로 높은 추적 성능을 달성하기 위해, 우리는 사전 학습과 전문가 오토인코더의 미세 조정(fine-tuning) 과정에서 외부 노이즈 제거 과정과 새로운 직교성 손실 항(orthogonality loss term)을 도입합니다. 우리는 다수의 실험을 통해 제안된 맥락 인식 프레임워크를 검증하였으며, 본 방법은 실시간으로 실행할 수 없는 최신 수준의 추적기들과 비교 가능한 성능을 보여주면서도 100 fps 이상의 매우 빠른 속도로 실행됩니다.