论文标题： Tiny Object Tracking: A Large-scale Dataset and A Baseline 

论文链接：https://arxiv.org/abs/2202.05659

作者单位：安徽大学 & 鹏程实验室

在实际应用中经常出现的微小物体外观和特征较弱，并且在物体检测和分割等普通视觉任务中越来越受到关注。为了促进微小目标跟踪的研究和发展，我们创建了一个大规模的视频数据集，其中包含 434 个序列，总共超过 217K 帧。每一帧都用高质量的边界框仔细注释。在数据创建中，我们考虑了 12 个挑战属性以涵盖广泛的视点和场景复杂性，并对这些属性进行注释以促进基于属性的性能分析。为了在微小对象跟踪中提供强大的基线，我们提出了一种新颖的多级知识蒸馏网络（MKDNet），它在统一的框架中进行三级知识蒸馏，以有效增强跟踪微小对象的特征表示、辨别和定位能力。对所提出的数据集进行了广泛的实验，结果证明了 MKDNet 与最先进的方法相比的优越性和有效性。

内容中包含的图片若涉及版权问题，请及时与我们联系删除