登顶五大数据集！最强目标跟踪算法SiamRPN++开源了，商汤出品 | CVPR 2019 Oral

栗子 2019-05-25 17:58:42 来源：量子位

黑栗子 发自 凹非寺

量子位 报道 | 公众号 QbitAI

这是黑客帝国，尼奥和史密斯雨中打斗的样子。

而目标追踪AI要在光照急剧变化、物体形状大小也不断改变的场景里，准确锁定尼奥的头。

红色是商汤最新算法SiamRPN++的表现，它中选了CVPR 2019的Oral。

蓝色是它的对手，来自ECCV 2018的优秀前辈UPDT。自古红蓝出CP。

动作太快，看不出红蓝谁更强？有截图啊：

肉眼看去，商汤SiamRPN++更胜一筹，几乎不受复杂场景的影响。

不止如此，它已经在多个数据集上成为了State-of-the-Art。

同时也成了商汤Siam家族的骄傲。现在，整个家族都开源了：

· SiamMask (CVPR 2019)

· SiamRPN++ (CVPR 2019 oral)

· DaSiamRPN (ECCV 2018)

· SiamRPN (CVPR 2018)

· SiamFC (ECCV 2016)

但这到底是一个怎样的家族？

显赫之家

Siam是Siamese的缩略，所以整个家族都是孪生网络。

所谓孪生，就是两个网络的所有权重都一样。

给它们输入不同的数据，便可以测量两个输入的相似度，做分类之用。

经年累月，团队死磕孪生网络，用这类算法来做目标跟踪。

在这之中，SiamRPN赫然挺立，中选了CVPR 2018的Spotlight。

SiamRPN：把检测算法引入跟踪

这只AI的诞生，是因为团队发现：虽然孪生网络能对目标快速定位，但不能对目标框作出调整，也就不能调节目标的形状。

可目标跟踪并不是只要定一个点，目标所在的范围也同样重要。

于是，团队为孪生网络引入了区域推荐网络 (RPN) 。

孪生网络可以实现对目标的适应，利用被跟踪目标的信息，完成检测器的初始化；而RPN可以让算法对目标位置 (范围) 做出更精准的预测。

两者结合，就有了可以端到端训练的SiamRPN。除了算法上的创新之外，由于支持端到端训练， (在VID之外) 大规模数据集Youtube-BB也成了它的训练集，进一步提升性能。

于是，在OTB100、VOT15/16/17数据集上，SiamRPN都比基线算法SiamFC高出了5%以上，速度也更快。它被CVPR 2018选作了Spotlight。

DaSiamRPN：改进训练集，增强判别能力

虽然，SiamRPN取得了好成绩，但它是用VID和Youtube-BB训练的：里面的类别非常少，大概二三十类，很难胜任现实任务。

而COCO和ImageNet DET的检测数据集，分别有80类和200类。且孪生网络的训练只需要图像对，不用完整的视频，所以轻松就把这些数据集引入了。

可引入之后又有新问题：这个网络会对所有有语义的样本进行响应，不只对目标物体有响应。比如目标是一个人，而AI遇到一把椅子也有很高的响应。

因为之前的训练中，负样本 (和目标无关的样本) 只有背景信息，限制了网络的判别能力。

于是，团队改进了方法——增加一些有语意的负样本对，来增强跟踪器的判别能力。

这就是说，训练过程中不再让模板 (Template) 和搜索区域 (Search Region) 是相同目标；是让网络学习判别能力，去搜索区域里找模版更相似的物体，而不是一个简单的有语义的物体。

做了这样的改动，DaSiamRPN可以从短时跟踪拓展到长时跟踪，且在UAV20L数据集上比之前成绩最好的方法提高了6%。

DaSiamRPN被ECCV 2018收录，且在VOT workshop比赛上，获得了实时赛的冠军，比上年冠军提升了80%。

SiamRPN++：让孪生网络用上深度架构

算法也改过了，训练集也改过了。

所以，团队这一次瞄准了还没改过的孪生网络本身。

之前的孪生网络，都是基于比较浅的卷积网络 (比如AlexNet) 。但如果直接引入深度网络，性能反而会大幅下降。

想有效利用深网络，就要解决位置偏见的问题。于是，研究人员提出了“位置均衡的采样策略”：

不把正样本放在中心，而是以均匀分布的采样方式，让目标在中心点附近进行偏移。

随着偏移范围增大，深度网络慢慢开始发挥作用。不止可以跟踪更多细节信息 (浅层网络特征) ，也能跟踪更多语义信息 (深层网络特征) 。多层融合信息，来进一步提升性能。

除此之外，团队还提出了新的连接部件，Depthwise Cross Correlation (下图c) 。它可以极大减少参数量，平衡两支的参数量，同时让训练更加稳定，也更好地收敛。

结果，SiamRPN++在5个大型跟踪数据集上，都拿到了最好成绩：OTB2015，VOT2018，UAV123，LaSOT，以及TrackingNet。

突破了孪生网络和深度架构之间的障碍，这只AI顺理成章地中选了CVPR 2019的Oral。

大规模开源

这些孪生网络，现在都开源了。

商汤发布了一个叫做PySOT的目标跟踪库，基于PyTorch，把整个Siam家族装了进去。回顾一下，包括这些模型：

· SiamMask (CVPR 2019)

· SiamRPN++ (CVPR 2019 oral)

· DaSiamRPN (ECCV 2018)

· SiamRPN (CVPR 2018)

· SiamFC (ECCV 2016)

PySOT库提供了3种不同的backbone，有深有浅：

· ResNet{18, 34, 50}

· MobileNetV2

· AlexNet

模型评估，目前支持这些数据集：

· OTB2015

· VOT16/18/19

· VOT18-LT

· LaSOT

· UAV123

PySOT里面，还包含了评估工具的接口。

所以，大家可以尽情探索了。

PySOT传送门：

https://github.com/STVIR/pysot

SiamRPN论文传送门：

http://openaccess.thecvf.com/content_cvpr_2018/papers/Li_High_Performance_Visual_CVPR_2018_paper.pdf

DaSiamRPN论文传送门：

https://arxiv.org/abs/1808.06048

SiamRPN++论文传送门：

https://arxiv.org/abs/1812.11703