论文部分内容阅读
目标追踪是近年来视觉领域的一个研究难题,其核心任务是在视频序列中持续定位目标并使用边界框标注其位置。已有的追踪方法大多采用目标检测的思路,将视频序列按帧分开对目标进行单独检测。这种策略尽管充分利用了当前帧信息,却忽略了帧与帧之间的时空关联信息,而这些信息是适应目标外观变化并完整检测目标的关键。为解决这一问题,提出了时空关联的自适应追踪目标特征学习框架时空孪生网络(STSiam),该模型利用视频序列间时空关联信息,通过目标定位和目标表征两个阶段,对目标进行准确定位和实时追踪。目标定位阶段,STSiam