单目标跟踪方法-D3s

主要观点总结

本文介绍了一种名为D3S的目标跟踪算法。该算法结合了GIM和GEM两个模块，分别用于目标形态估计和目标位置约束。文章详细描述了D3S的设计理念、网络结构、训练过程和性能。

关键观点总结

关键观点1: D3S算法的目标跟踪理念

使用GIM和GEM两个视觉模型表示目标，一个约束目标移动的位置，一个约束目标的形状，二者结合能够为目标分割提供可靠的样本。

关键观点2: 网络结构

D3S模型分为三部分：GEM、GIM和Refinement模块。GEM负责目标的位置约束，GIM负责目标的形态估计，Refinement模块则用于优化输出结果。

关键观点3: 训练过程

D3S在训练过程中，使用第一帧的信息进行初始化，并通过迭代生成最终的分割掩码图。在跟踪阶段，根据上一帧的目标位置裁剪出新的样本，送入网络得到分割掩码，再转换为所需的矩形框作为跟踪结果。

关键观点4: 性能表现

D3S在VOT实验上取得了良好的性能。消融实验结果表明，GIM和GEM的输入特征都是必要的，而且D3S的输出坐标比GEM更准确。