极市直播|张志鹏:基于siamese网络的单目标跟踪(CVPR2019 Oral)

内容简介：01活动信息

↑ 点击蓝字关注极市平台识别先机创造未来

| 极市线上分享第41期 |

前段时间，计算机视觉顶会CVPR 2019 公布了接收结果，极市也对此做了相关报道，目前官方只公布了接收论文ID列表，极市已汇总目前公开的所有paper及code： https://github.com/extreme-assistant/cvpr2019

为让大家更好地了解这些优秀的论文和工作，极市计划做 CVPR2019的专题直播分享会 ，邀请CVPR2019的论文作者进行线上直播，分享他们优秀的团队工作和技术干货，也欢迎各位小伙伴自荐或推荐优秀的CVPR论文作者到极市进行技术分享~

本次分享，极市邀请了 中科院自动化所模式识别国家重点实验室 的研二学生 张志鹏 ，为我们分享其 CVPR2019 Oral的工作： 基于siamese网络的单目标跟踪 ，欢迎各位小伙伴参与直播，与嘉宾互动交流~

活动信息

主题：CVPR2019 Oral： 基于siamese网络的单目标跟踪

Deeper and Wider Siamese Network for Real-TimeObject Tracking (CVPR2019 Oral)

时间： 5月9日（周四）晚20:00~21:00

嘉宾信息

极市直播|张志鹏:基于siamese网络的单目标跟踪(CVPR2019 Oral)

张志鹏

中科院自动化所模式识别国家重点实验室，研二。微软亚洲研究院导师为彭厚文。研究方向为计算机视觉，包括面向学术的单目标跟踪和面向工程的异常信息(图片/视频)检测。

关于分享

➤分享背景

目标跟踪是计算机视觉的基本任务之一，近年来随着大量跟踪数据库如 OTB,VOT,LASOT，GOT10K 的提出，以及 VOT 比赛的推广，单目标跟踪领域迅速发展。而这其中siamese跟踪算法由于其在速度和精度之间很好的平衡而逐渐成为单目标跟踪研究中最火的方向。然而在今年之前，siamese跟踪算法仍然是只是基于浅层的AlexNet，深层网络不但没有帮助反而会使效果下降。在CVPR19中，我们通过对网络结构属性的分析，提出网络padding, 感受野, 特征输出大小，stride是影响加深网络的关键。进而我们提出了适用于跟踪siamese网络的crop-in-residual模块，通过堆积模块加深网络，使深层siamese网络在跟踪上效果有了显著提高。

Ps1：本次分享会分享训练siamese网络的一些经验，以及和读者一起讨论为什么siamese跟踪论文难以复现。

Ps2：MSRA组里招实习生，有意向请联系houwen.peng@microsoft.com (不限于跟踪很多方向)