文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.06.009
引用格式： 林志雄，吳麗君，陳志聰. 基于注意力機制的無監督單目標跟蹤算法[J].信息技術與網絡安全，2022，41(6)：50-56.
0 引言
目標跟蹤被廣泛應用于視頻監控和自動駕駛等領域。在給定視頻第一幀中目標位置后，目標跟蹤的任務是得到目標在后續幀中的位置信息。在有遮擋、變形和背景混亂等場景下, 準確有效地檢測和定位目標仍然是個難點。
深度網絡由于可以加強特征表示，被廣泛用于視覺目標跟蹤領域。TAO等人提出SINT網絡[1]，首次利用孿生網絡提取特征，通過匹配初始目標的外觀識別候選圖像位置，實現目標跟蹤任務；BERTINETTO等人提出SiamFC(Siamses Fully Convolution)網絡[2]，使用離線訓練的完全卷積孿生網絡作為跟蹤系統的基本網絡，大大提高了跟蹤性能；LI等人[3]提出了SiamRPN網絡，基于SiamFC網絡引入了區域提案網絡RPN模塊[4]，讓跟蹤系統可以回歸位置、形狀，進一步提高性能并加速；在此之前，基于孿生網絡的跟蹤器往往使用較淺的網絡，很大原因在于深層網絡的填充會破壞平移不變性，導致跟蹤性能下降。LI等人[5]提出在訓練過程中引入位置均衡的采樣策略，來緩解網絡在訓練過程中存在的位置偏見問題，進而在SiamRPN網絡基礎上用了ResNet網絡[6]作為主干網絡，讓跟蹤模型性能不再受制于網絡的容量。
以上這些單目標跟蹤模型都是屬于有監督學習，有監督學習需要大量的有標記數據集，但是手動標記既昂貴又耗時。而互聯網上有大量的未標記視頻可供使用，因此無監督目標跟蹤算法具有更好的實際應用價值。WANG等人[7]提出了UDT(Unsupervised Deep Tracking)模型，通過將前向傳播和反向預測的結果進行一致性損失計算，實現在沒有標簽的情況下同樣優化模型。但在前向傳播過程中，跟蹤模型若預測的位置出錯，經過反向修正后可能會再回到正確的位置，這就會導致前向傳播的錯誤預測沒有被懲罰，降低了模型跟蹤性能。為此，WANG等人又進一步提出UDT+模型[8]，通過多幀驗證方法懲罰前向傳播的錯誤預測，提升位置預測的準確性。
本文詳細內容請下載：http://www.jysgc.com/resource/share/2000004535
作者信息：
林志雄，吳麗君，陳志聰
(福州大學 物理與信息工程學院，福建 福州350108)
