객체 추적을위한 공간적으로 시맨틱 상관 관계 기능이있는 샴 네트워크 = SNS-CF: Siamese Network with Spatially Semantic Correlation Features for Object Tracking

국문 초록 (Abstract)

Visual Object Tracking은 연속 비디오 프레임에서 대상 객체를 연결하는 것을 목표 로 한다 . 인간과 컴퓨터의 상호 작용 , 보안 및 감시 , 비디오 통신 및 압축과 같은 다 양한 용도로 사용된다 . 이와 관련하여 사용된 지난 10년 동안의 최첨단 방법은 correlation filter에 기초하였지만 기초하였지만 , 이번 10년 동안 연구자들은 깊은 Siamese network에 집중하기 위해 주의를 다른 곳으로 옮겼다 . Siamese network만 해도 최첨단 correlation filter 추적기만큼 추적기만큼 높은 정확도를 갖고 있지 않다는 연구결과가 나왔다 . 반편에 , 상관 필터 추적기만으로는 프레임 업데이트 문제가 있다 . 본 연구에서는 정확하고 강력한 객체 추적을 위해 Siamese network과 correlation filter 추적 기, 즉 공간적 의미상관 기능 (SNS-CF)을 갖춘 Siamese network를 융합한 것을 제시한다 . 입력 이미지 프레임의 여러 영역에 분산된 다양한 유형의 기능을 처리하기 위해 제안된 SNS-CF 방식은 3가지 부분으로 구성된다 . 샴 피처 추출 기, 공간적으로 의 미 론 적 특징 추출 기, 그리고 적응형 상관 관계 필터 . 저작자 지식의 최선으로 , 제 안된 SNS-CF 방식은 지금까지 지금까지 Siamese network와 correlation filter 추적기를 추적기를 융합 하여 높은 프레임 속도 , 실시간 시각적 객체 추적 및 복수의 벤치마크에서 최신 방 법에 유리한 추적 성능을 제공한다 .

다국어 초록 (Multilingual Abstract)

Visual object tracking aims at associating target objects in consecutive video frames. It finds a variety of uses, for instance human-computer interaction, security and surveillance, video communication and compression, to name a few. Last decade’s state-of-the-art methods used in this regard were based on correlation filters, however, this decade researchers shifted away the attention to focus on deep Siamese networks. On the one hand, research show that Siamese network alone does not have as high accuracy as state-of-the-art correlation filter trackers. On the other hand, correlation filter trackers alone have a frame update problem. In this research, we present a fusion of both Siamese network and correlation filter trackers, to overcome the above accuracy and frame update problems, namely Siamese network with spatially semantic correlation features (SNS-CF) for accurate, robust object tracking. To deal with various types of features spread in many regions of the input image frame, the proposed SNS-CF method consists of three parts, first, a Siamese feature extractor, second, a spatially semantic feature extractor, and last but not least, an adaptive correlation filter. To the best of authors knowledge, the proposed SNS-CF method is the first attempt, by now, to fuse the Siamese network and the correlation filter trackers to provide high frame rate, real-time visual object tracking with a favorable tracking performance to the state-of-the-art methods in multiple benchmarks.

목차 (Table of Contents)

• I. Introduction 1
• I.1. Research Background 2
• I.2. Research Purpose and Contents 4
• I.3. Thesis Organization 6
• II. Background Theory 7
• II.1. Siamese network 8
• II.2. Correlation filters 9
• III. Proposed Model 10
• III.1. Siamese Net 11
• III.2. Regional Proposal Network (RPN) 12
• III.3. Extracting SSF 13
• III.4. Convolutional Features 14
• III.5. Correlation filters 15
• III.6. Learned ACF 17
• IV. Experimental Results 18
• IV.1. Implementation details 19
• IV.2. Results 19
• IV.3. Ablation study 23
• References 30
• 국문초록 33