SiamRPN++: 매우 깊은 네트워크를 활용한 시아메즈 시각 추적의 진화

시아메즈 네트워크 기반 추적기는 대상 템플릿과 탐색 영역 간의 합성곱 특징 교차 상관관계를 통해 추적을 공식화합니다. 그러나 시아메즈 추적기는 최신 알고리즘과 비교해 정확도 차이가 있으며, ResNet-50와 같은 깊은 네트워크의 특징을 활용할 수 없습니다. 본 연구에서는 이 문제의 핵심적인 원인이 엄격한 변환 불변성의 부족에서 비롯된다는 것을 증명합니다. 포괄적인 이론적 분석과 실험 검증을 통해, 우리는 단순하면서도 효과적인 공간 인식 샘플링 전략을 통해 이러한 제약을 극복하고 성능 향상을 위해 ResNet으로 구동되는 시아메즈 추적기를 성공적으로 훈련시켰습니다. 또한, 깊이별 및 층별 집계를 수행하는 새로운 모델 아키텍처를 제안하여 정확도를 더욱 개선하고 모델 크기를 줄였습니다. 우리는 광범위한 감소 연구를 수행하여 제안된 추적기의 유효성을 입증하였으며, OTB2015, VOT2018, UAV123, LaSOT 등 네 가지 주요 추적 벤치마크에서 현재 가장 우수한 결과를 얻었습니다. 우리의 모델은 이 문제에 대한 추가 연구를 지원하기 위해 공개될 예정입니다.