CVPR学习（六）：CVPR2019-目标跟踪

待补充论文解读

单目标跟踪

 

一种无监督的方式对大规模无标记视频进行训练的。动机是一个健壮的跟踪器应该在视频前向和后向预测中都是有效的，在Siamese相关滤波网络上构建了算法框架，该网络使用未标记的原始视频进行训练，达到了有监督跟踪器的baseline精度。

Unsupervised Deep Tracking

Ning Wang, Yibing Song, Chao Ma, Wengang Zhou, Wei Liu, Houqiang Li

https://github.com/594422814/UDT/

 

为了实现多目标跟踪的无标签和端到端学习，提出了一种用动画来跟踪的框架，其中可微分神经模型首先跟踪输入帧中的对象，然后将这些对象动画化为重建帧。然后通过反向传播通过重建误差来驱动学习。

军事医学研究院、国防科技大学、伦敦大学学院、阿兰图灵研究所

Tracking by Animation: Unsupervised Learning of Multi-Object Attentive Trackers

Zhen He, Jian Li, Daxue Liu, Hangen He, David Barber

https://github.com/zhen-he/tracking-by-animation

 

通过特定视点的鉴别相关滤波的重建进行目标跟踪

Tampere University、University of Ljubljana

Object Tracking by Reconstruction With View-Specific Discriminative Correlation Filters

Ugur Kart, Alan Lukezic, Matej Kristan, Joni-Kristian Kamarainen, Jiri Matas

 

提出了一种新的学习目标感知特征的方法，该方法能够比预训练的深度特征更好地识别发生显著外观变化的目标。目标感知特征与Siamese匹配网络集成，用于视觉跟踪。大量的实验结果表明，该算法在精度和速度上均优于现有的算法。

哈工大、上海交大、腾讯AI实验室、加州大学默塞德分校、Google Cloud AI

Target-Aware Deep Tracking

Xin Li, Chao Ma, Baoyuan Wu, Zhenyu He, Ming-Hsuan Yang

https://github.com/XinLi-zn/TADT

https://github.com/ZikunZhou/TADT-python

 

SPM跟踪器：用于实时视觉对象跟踪的串并联匹配。提出了串并联匹配（Series-Parallel Matching）的结构。整个结构分为两个部分，称之为“粗匹配”与“细匹配”。

中国科技大学、微软亚洲研究院

SPM-Tracker: Series-Parallel Matching for Real-Time Visual Object Tracking

Guangting Wang, Chong Luo, Zhiwei Xiong, Wenjun Zeng

 

SiamRPN++：目前精度最高的单目标跟踪

商汤研究院、中科院自动化所、中科院计算所

SiamRPN++: Evolution of Siamese Visual Tracking With Very Deep Networks

Bo Li, Wei Wu, Qiang Wang, Fangyi Zhang, Junliang Xing, Junjie Yan

https://github.com/STVIR/pysot

CVPR 2019 Oral 目标跟踪最强算法SiamRPN++开源实现

 

对影响跟踪精度的主干网络因素进行了系统的研究，为Siamese跟踪框架提供了一个架构设计的指导；基于文章提出的无填充残差单元，设计了一种新的用于Siamese跟踪的更深、更宽的网络架构。实验结果显示新的架构对基准跟踪算法确实有很明显的性能提升效果。

中科院大学&中科院自动化所、微软研究院

Deeper and Wider Siamese Networks for Real-Time Visual Tracking

Zhipeng Zhang, Houwen Peng

https://github.com/researchmm/SiamDW

 

一种在siamese网络下训练GCNS的视觉追踪方法，实现了存在遮挡、突然运动、背景杂波情景下的鲁棒视觉追踪

中科院、中科院大学、鹏城实验室、中国科技大学

Graph Convolutional Tracking

Junyu Gao, Tianzhu Zhang, Changsheng Xu

http://nlpr-web.ia.ac.cn/mmc/homepage/jygao/gct_cvpr2019.html#

 

通过预测target和estimated bounding box的overlap来实现目标估计。本文提出的ATOM跟踪模型在5个benchmark数据集上实现了state-of-the-art性能；在TrackingNet数据集上，相对于之前的最佳方法提升了15%，同时运行速度超过30 FPS。

CVL, Linko ̈ping University, Sweden、CVL, ETH Zu ̈rich, Switzerland、起源人工智能研究院

ATOM: Accurate Tracking by Overlap Maximization

Martin Danelljan, Goutam Bhat, Fahad Shahbaz Khan, Michael Felsberg

https://github.com/visionml/pytracking （378颗星！）

 

基于自适应空间加权相关滤波的视觉跟踪

大连理工大学、鹏城实验室、腾讯优图

Visual Tracking via Adaptive Spatially-Regularized Correlation Filters

Kenan Dai, Dong Wang, Huchuan Lu, Chong Sun, Jianhua Li

https://github.com/Daikenan/ASRCF

 

基于兴趣区域的池化相关滤波方法的视觉跟踪

大连理工大学、腾讯优图、海军航空兵学院、鹏城实验室

ROI Pooled Correlation Filters for Visual Tracking

Yuxuan Sun, Chong Sun, Dong Wang, You He, Huchuan Lu

 

孪生级联候选区域网络，用于实时目标跟踪

美国天普大学

Siamese Cascaded Region Proposal Networks for Real-Time Visual Tracking

Heng Fan, Haibin Ling

 

多目标跟踪

 

提出一种新的训练模式，用于改进多目标跟踪算法中目标交叠时身份切换问题

洛桑联邦理工学院（EPFL）

Eliminating Exposure Bias and Metric Mismatch in Multiple Object Tracking

Andrii Maksai, Pascal Fua

 

多目标跟踪与分割，提出问题、构建了数据集、建造了一个基线模型，并全部开源了

亚琛工业大学、MPI for Intelligent Systems and University of Tubingen

MOTS: Multi-Object Tracking and Segmentation

Paul Voigtlaender, Michael Krause, Aljosa Osep, Jonathon Luiten, Berin Balachandar Gnana Sekar, Andreas Geiger, Bastian Leibe

http://www.vision.rwth-aachen.de/page/mots

 

跟踪与分割

 

SiamMask，在视频跟踪任务上达到最优性能，并且在视频目标分割上取得了当前最快的速度。

Fast Online Object Tracking and Segmentation: A Unifying Approach

Qiang Wang, Li Zhang, Luca Bertinetto, Weiming Hu, Philip H.S. Torr

https://github.com/foolwood/SiamMask

CVPR 2019 | 惊艳的SiamMask：开源快速同时进行目标跟踪与分割算法

 

多目标跟踪与分割，提出问题、构建了数据集、建造了一个基线模型，并全部开源了

亚琛工业大学、MPI for Intelligent Systems and University of Tubingen

MOTS: Multi-Object Tracking and Segmentation

Paul Voigtlaender, Michael Krause, Aljosa Osep, Jonathon Luiten, Berin Balachandar Gnana Sekar, Andreas Geiger, Bastian Leibe

http://www.vision.rwth-aachen.de/page/mots

 

 

3D目标跟踪

 

形状补全用于LIDAR点云Siamese网络三维目标跟踪

沙特阿卜杜拉国王科技大学

Leveraging Shape Completion for 3D Siamese Tracking

Silvio Giancola, Jesus Zarzar, Bernard Ghanem

https://github.com/SilvioGiancola/ShapeCompletion3DTracking

 

 

跟踪数据集

 

大规模高质量单目标跟踪数据集LaSOT

美国天普大学、华南理工大学、亮风台公司

LaSOT: A High-Quality Benchmark for Large-Scale Single Object Tracking

Heng Fan, Liting Lin, Fan Yang, Peng Chu, Ge Deng, Sijia Yu, Hexin Bai, Yong Xu, Chunyuan Liao, Haibin Ling

https://cis.temple.edu/lasot/index.html

CVPR 2019 | 亮风台发布全球最大单目标跟踪数据集LaSOT

 

用于支持研究自动驾驶汽车感知任务（3D 跟踪与运动预测）的数据集Argoverse

Argo AI、卡内基梅隆大学、佐治亚理工学院

Argoverse: 3D Tracking and Forecasting With Rich Maps

Ming-Fang Chang, John Lambert, Patsorn Sangkloy, Jagjeet Singh, Slawomir Bak, Andrew Hartnett, De Wang, Peter Carr, Simon Lucey, Deva Ramanan, James Hays

https://www.argoverse.org/

 

英伟达推出首个跨摄像头汽车跟踪与冲重识别数据集

华盛顿大学、NIVIDIA、圣何塞州立大学

CityFlow: A City-Scale Benchmark for Multi-Target Multi-Camera Vehicle Tracking and Re-Identification

Zheng Tang, Milind Naphade, Ming-Yu Liu, Xiaodong Yang, Stan Birchfield, Shuo Wang, Ratnesh Kumar, David Anastasiu, Jenq-Neng Hwang

https://www.aicitychallenge.org/