Fast Online Object Tracking and Segmentation: A Unifying Approach

项目地址：https://github.com/foolwood/SiamMask

论文地址：https://arxiv.org/abs/1812.05050

主页地址：http://www.robots.ox.ac.uk/~qwang/SiamMask/

摘要

       在这篇文章中，我们插入如何去进行在视觉目标跟踪和半监督视频目标分割，在实时，使用一个简单的方法。我们的方法，称为SiamMask，提高离线训练处理的受欢迎的全卷积Siamese方法对目标跟踪通过设计他们的loss，使用一个二值分割的任务。一旦训练，SiamMask仅依靠一个单一框初始化和进行在线，制造目标分割Mask，以及旋转框每秒55帧。尽管它是简单的，但是用途广泛和快速，我们的策略允许我们去建立一个新的先进的实时跟踪在VOT-2018数据集上，对比同时证明竞赛表现最好和最快对于半监督视频目标分割任务在DAVIS-2016和DAVIS-2017。

本文提出的网络与ECO算法对比

        其中，篮框为初始框，绿色框为本文提出的算法运行效果，红色为ECO算法运行结果。

                                                    

架构

                            

不同框的性能