[发明专利]基于幻觉对抗网络的鲁棒目标跟踪方法

摘要

基于幻觉对抗网络的鲁棒目标跟踪方法，涉及计算机视觉技术。首先提出一种新的幻觉对抗网络，旨在于学习样本对间的非线性形变，并将学习到的形变施加在新目标以此来生成新的目标形变样本。为了能有效训练所提出的幻觉对抗网络，提出形变重构损失。基于离线训练的幻觉对抗网络，提出基于幻觉对抗网络的目标跟踪方法，该方法能有效缓解深度神经网络在目标跟踪过程中由于在线更新发生的过拟合问题。此外，为了能进一步提升形变迁移质量，提出选择性性变迁移方法，进一步提升了跟踪精度。提出的目标跟踪方法在当前主流目标跟踪数据集上取得了具有竞争力的结果。

主权项

1.基于幻觉对抗网络的鲁棒目标跟踪方法，其特征在于包括以下步骤：1)在有标注的目标跟踪数据集中收集大量形变样本对作为训练样本集合；2)对步骤1)中所得到的训练样本集合中的所有样本进行特征提取，得到训练样本特征集合；3)使用步骤2)中得到的训练样本特征集合、对抗损失和所提出的形变重构损失来离线训练所提出的幻觉对抗网络；4)给定测试视频中的第一帧标注图像，采集目标样本，并在目标样本周围采用高斯和随机采样方式进行正负样本的采样；5)使用所提出的选择性形变迁移方法对跟踪目标进行待迁移样本对的选择；6)基于选择得到的待迁移样本对，使用离线训练好的幻觉对抗网络生成形变的正样本；7)使用空间采样的正负样本和生成的正样本共同对分类器进行训练，其产生的分类误差损失用于同时更新分类器和幻觉对抗网络；8)给定新的测试帧，使用训练好的分类器置信度最高的区域作为目标位置，完成当前帧的跟踪。