https://www.bilibili.com/read/cv6647311/
論文閱讀之2020cvpr-Correlation-Guided Attention for Corner Detection Based Visual Tracking
見上面知乎鏈接~
基于相關(guān)指導(dǎo)注意力的角點檢測目標跟蹤
多尺度搜索策略在涉及目標變化的挑戰(zhàn)中不能估計包圍框，故精確包圍框估計最近應(yīng)用較多，能夠檢測目標角點的跟蹤器可以靈活的適應(yīng)其變化，但是僅依賴基于角點檢測的跟蹤方法沒有取得足夠的成功。本文分析失敗的原因然后提出了在兩個階段張紅執(zhí)行相關(guān)引導(dǎo)的注意力檢測的最新技術(shù)，首先利用孿生網(wǎng)絡(luò)區(qū)分目標和背景，獲得感興趣的ROI區(qū)域，其次，基于像素相關(guān)引導(dǎo)的空間注意力模塊和通道相關(guān)引導(dǎo)的通道注意力模塊利用目標模版和ROI之間的關(guān)系來突出拐角區(qū)域并增強ROI特征以進行角點檢測。相關(guān)引導(dǎo)的注意力模塊提升了角點檢測的準確性，從而實現(xiàn)了精確的包圍框估計，當使用新的ROI增強策略在大規(guī)模數(shù)據(jù)集上進行訓(xùn)練時，取得了較好的效果。
之前的方法SATIN 以及GOTURN方法缺點：
難以區(qū)分目標和非目標的角點
難以有效利用模版和搜索圖像之間的關(guān)系，雖然互相關(guān)操作可以衡量模版和搜索圖的相似性，但是角點的空間信息并沒有被明確的編碼到互相關(guān)的結(jié)果中

故本文設(shè)計了提出先檢測包含物體的roi,然后在ROI中精確回歸框的兩階段方法，避免了模糊角點的問題，針對問題2很好的利用了模版和ROI之間的關(guān)系，傳統(tǒng)的互相關(guān)方法無法編碼角點空間位置，作者設(shè)計了一個pixel-wise 相關(guān)，將模版的每個點分別與ROI所有點計算其相似度，然后利用空間注意力去強化角點對應(yīng)區(qū)域的特征，還設(shè)計了一個channel-wise 相關(guān)知道通道注意力來強化特定類別目標響應(yīng)高的通道，弱化了一些沒有影響的通道。針對問題3 采用的是SIAMRPN++的方法。利用Resnet50網(wǎng)絡(luò)。
整體思想都是先得到ROI區(qū)域，然后再ROI中預(yù)測點，通過孿生跟蹤模塊得到一個包含目標的ROI，然后通過兩個注意力來提出角點區(qū)域并得到目標 最后預(yù)測兩個角點。

總結(jié)

以上是生活随笔為你收集整理的2020cvpr-Correlation-Guided Attention for Corner Detection Based Visual Tracking的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。