【Siam-BM】论文阅读笔记

本文主要是介绍【Siam-BM】论文阅读笔记，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Towards a Better Match in Siamese Network Based Visual Object Tracker

论文地址 代码不开源

写在前面

这是SASiam的作者18年另一个工作，在VOT2018公测上也占的一席之地，只不过好像因为什么奇奇怪怪原因没有终测，但是它还是不失为一个real-time精度高的tracker，比SASiam精度也有了提升，主要是处理了旋转和提出了一个空间的mask来处理，代码不开源。

Motivation

• 虽然现在的基于深度学习的tracker已经获得比较好的效果，但是他们不能解决大的物体旋转；
• 当背景里有很强的语义的distractor时，模型很容易漂移；
• 在跟踪过程中添加一些背景信息是有用的，但是同时背景信息太多或者是有distractor时，只会损坏tracker的精确度。

Contribution

• 在SASiam上做了改进，添加了旋转角度模块来预测目标的旋转；
• 提出了选择性添加空间的mask到feature map上（因为当目标bbox不是正方形时，bbox会包含很多背景，所以加了mask可以有效抑制这种情况）；
• 提出了一个简单的模板更新机制。

Algorithm

总体的网络结果如上图，其实也就是一个Siamese的结构，只不过这里用的是SASiam的结构，一共有四个branch，Siamese tracker我就不赘述了，没了解过的建议可以先去了解一下～这里主要讲一下文中提出的几个操作。

1、Angle Estimation

目标角度的变化理论上可以像SiamFC那样枚举解决，就是枚举几个几个常见的角度变化，虽然没办法涵盖所有，但是能在一定程度上提精度啊。然后文章中又提到，若是又加尺度变化又加角度变化，那最后的candidate patch就会变得很多，网络速度就变得很慢了。为了保证速度和精度，他们就把两种变化放在一起做了，（虽然论文中解释了为什么压缩了之后精度不变，但我还是觉得样本少了精度肯定会变啊）如下图：

每个patch都有一个标签 $(s,a)$ 其中s 表示尺度，$s=1$ 表示尺度不变， $a=0$ 表示角度不变，所以当有三个尺度三个角度时，只需要用5个candidate patch就可以了。从上图可以看出，当candidate patch的方向和target一样时，响应度最高。（我的理解就是文章模拟的是要不然尺度变的贡献比较大，要不然就是旋转贡献比较大，其实就是加了旋转的项，所以精度会比SiamFC高）

2、 Spatial Mask

文章提到，若是ground truth是正方形的，那bbox比较好得包裹这个target，若是ground truth的长宽远大于1，则背景就很容易被包裹在这个框里面，这样就引入了更多的强语义的distractor。

基于以上的发现，文章就给feature map加mask了，这里文章沿用了SASiam那样，用两层的特征，但是去掉了其中的channel attention，说是那个attention没有这个mask的效果好。

以上是这样做的，当ground truth框的长宽比大于1.5时，就沿着短的那一边mask掉feature map，令feature map变成跟ground truth一样的长条状。
但是这么做大家可能会有疑问，我这两天领悟了一下，是因为只在模板分支做，所以沿着它这个bbox mask掉一部分，就不需要考虑后期变换的问题

3、template update

其实就是很早之前都在用的那种模型更新方式了：

这个公式大应该很熟悉了～

Experiment

文章的ablation实验感觉做的也挺充分的，具体可以参考论文。

总结

总的来说还是一个很好的tracker，感觉大家思维好活跃，我就只会盯死已经做了的东西，再接再厉把。

优点

• 又提出了一个可以做的点，除了尺度还有旋转，但是其实是因为训练数据不够，如果用data augmentation是不是也是一种方式，只是成本太高了；
• 用的mask替代了channel attention，也是一个新思路把。

Limitation（每次写这个东西都瑟瑟发抖）

• 模型更新方面其实可以再抠抠把；
• 然后mask也可以细化一下

这篇关于【Siam-BM】论文阅读笔记的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---