论文标题：Graph Attention Tracking 论文链接：https://arxiv.org/abs/2011.11204 代码链接：https://github.com/ohhhyeahhh/SiamGAT 作者单位：浙江工业大学 & 南京航空航天大学 & 阿德莱德大学(沈春华)

表现SOTA！性能优于Ocean、D3S和SiamFC++等网络，代码刚刚开源！

基于孪生(Siamese)网络的跟踪器将视觉跟踪任务表示为相似性匹配问题。几乎所有流行的孪生跟踪器都通过目标分支和搜索分支之间的卷积特征互相关来实现相似性学习。但是，由于需要预先确定目标特征区域的大小，因此这些互相关基础方法会保留大量不利的背景信息或丢失大量的前景信息。此外，目标区域和搜索区域之间的全局匹配在很大程度上也忽略了目标结构和part级信息。 在本文中，为解决上述问题，我们提出了一种简单的可感知目标的连体图注意力网络，用于一般目标的跟踪。我们提出使用完整的二部图在目标和搜索区域之间建立part到part的对应关系，并应用图关注机制将目标信息从模板特征传播到搜索特征。此外，我们没有使用固定区域裁剪来进行模板特征区域选择，而是研究了一种目标感知区域选择机制，以适应不同对象的大小和纵横比的变化。在具有挑战性的基准测试（包括GOT-10k，UAV123，OTB-100和LaSOT）上进行的实验表明，提出的SiamGAT优于许多最新的跟踪器，并具有领先的性能。

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