SiamRPN 플러스

깊게 만들기만 해서는 부족한 이유

대상 템플릿과 검색 영역의 특징을 비교하는 추적기에서는 위치 변화에 대한 반응이 중요하다. SiamRPN 플러스는 깊은 네트워크를 사용할 때 엄격한 평행이동 불변성이 깨지는 문제를 분석한다. 층 수를 늘리는 것만으로 추적 정확도가 자동으로 높아지는 것은 아니다.

학습 표본의 공간 구성

공간 인지 샘플링으로 깊은 특징 추출기를 추적 학습에 활용한다. 채널별 및 층별 집계도 결합해 특징을 처리한다. 표본 선택과 집계 방식이 함께 바뀌므로 성능 차이를 깊은 백본 하나만의 효과로 해석하기 어렵다.

위치 변화의 예

설명용으로 검색 이미지 속 대상을 오른쪽으로 3칸 옮겼을 때 반응의 최고 위치도 3칸 옮겨지는 것이 바람직한 경우를 생각하자. 경계와 패딩은 이런 대응에 영향을 줄 수 있다. 이는 평행이동 관계의 예이며 실제 네트워크의 모든 층이 완전한 불변성을 가진다는 주장은 아니다.

추적 결과의 비교

깊은 특징과 여러 층의 정보가 있어도 가림이나 비슷한 방해 물체의 문제는 남는다. 초기 상자, 검색 크기와 학습 데이터 조건을 맞춰 비교해야 한다. 구조의 매개변수 수와 실제 실행 지연도 별도로 측정하고 위치 및 크기 추정의 오차를 함께 확인한다.