High Performance Visual Tracking with Siamese Region Proposal Network

High Performance Visual Tracking with Siamese Region Proposal Network

论文

改进点：

1. 引入区域提议网络（RPN）

• SiamRPN：SiamRPN通过引入RPN，可以动态地调整搜索窗口的大小，生成一系列的区域提议。这使得SiamRPN能够更好地适应目标大小的变化，并提高了跟踪的准确性和鲁棒性。

2. 分类和边界框回归

• SiamRPN：SiamRPN不仅提供了对象得分来判断目标的存在，还进行了边界框回归来精确预测目标的位置和尺寸。分类和回归分支允许SiamRPN在确定目标位置的同时，提供更准确的边界框预测。

3. 锚点策略

• SiamRPN：SiamRPN引入了锚点，即预定义的边界框，它们覆盖了不同的尺寸和宽高比。通过这种方式，SiamRPN可以更好地适应各种形状和大小的目标。

4. 端到端训练

• SiamRPN：除了学习区分目标和背景的特征表示，SiamRPN还端到端地训练RPN，进一步提升了跟踪性能。

5. 实时性能

• SiamFC和SiamRPN：两者都为实时跟踪设计，但由于SiamRPN更精确的区域提议和边界框回归机制，可能会稍微牺牲一些速度。尽管如此，SiamRPN通常仍然可以满足实时跟踪的要求。

综上所述，SiamRPN在SiamFC的基础上引入了RPN，并改进了目标的分类和边界框回归，提供了更为准确和鲁棒的目标跟踪能力，特别是在目标尺寸和外观发生变化时。这些改进使得SiamRPN在许多跟踪任务中表现优于SiamFC。
候选框选择