지역 중첩 신뢰도가 적용된 샴 네트워크 기반 객체 추적 알고리즘

Object Tracking Algorithm based on Siamese Network with Local Overlap Confidence

객체 추적은 영상의 첫 번째 프레임에서 annotation으로 제공되는 좌표 정보를 활용하여 비디오 시퀀스의 목표 추적에 활용된다. 본 논문에서는 객체 추적 정확도 향상을 위해 심층 특징과 영역 추론 모듈을 결합한 추적 알고리즘을 제안한다. 충분한 객체 정보를 획득하기 위해 Convolution Neural Network를 Siamese Network 구조로 네트워크를 설계하였다. 객체의 영역 추론을 위해 지역 제안 네트워크와 중첩 신뢰도 모듈을 적용하여 추적에 활용하였다. 제안한 추적 알고리즘은 Object Tracking Benchmark 데이터셋을 사용하여 성능검증을 수행하였고, Success 지표에서 69.1%, Precision 지표에서 89.3%를 달성하였다.

Object tracking is used to track a goal in a video sequence by using coordinate information provided as annotation in the first frame of the video. In this paper, we propose a tracking algorithm that combines deep features and region inference modules to improve object tracking accuracy. In order to obtain sufficient object information, a convolution neural network was designed with a Siamese network structure. For object region inference, the region proposal network and overlapping confidence module were applied and used for tracking. The performance of the proposed tracking algorithm was evaluated using the Object Tracking Benchmark dataset, and it achieved 69.1% in the Success index and 89.3% in the Precision Metrics.