TCTrack: Temporal Contexts for Aerial Tracking
0. 写在前面
过去的Tracking-by-Detection框架和基于Siamese的跟踪器缺乏利用时间上下文的能力，难以处理快速运动和严重的外观变化，这篇文章提出的方法从两个方面引入时间上下文：特征提取阶段和相似度图细化阶段，在航空跟踪任务上具有鲁棒性、稳定性和高效性，适用于AGX上的实际部署。
1. 基本信息
2. 主要内容
该框架通过引入时间上下文，极大地提高了跟踪性能。AT-Trans和在线TAdaCNN模块被证明在处理运动场景和连续时间上下文中的遮挡条件上具有显著的效果。该框架可以在比其他最先进的跟踪器更少的计算资源下提供具有竞争力的性能。该框架的实用性和部署能力在UAV上得到验证。
3. 实验结果
TCTrack 有效且高效：对四个空中跟踪基准的评估显示了其令人印象深刻的性能；真实世界的无人机测试显示其在 NVIDIA Jetson AGX Xavier 上的速度超过 27 FPS。
