[论文解读] Joint Group Feature Selection and Discriminative Filter Learning for Robust Visual Object Tracking

Tianyang Xu, Zhenhua Feng+2 more|View|Jul 30, 2019

Video Surveillance and Tracking MethodsComputer Science参考文献 90被引用 22

一句话总结

该论文提出了一种新颖的联合组特征选择与判别性滤波学习框架——GFS-DCF，用于实现鲁棒的视觉目标跟踪。通过在通道和空间维度上施加组稀疏性，并应用低秩时间平滑约束，该方法增强了滤波器的判别能力，减少了深度特征中的冗余信息，在OTB2013、OTB2015、VOT2017、VOT2018和TrackingNet数据集上实现了最先进性能，同时具备具有竞争力的推理速度。

ABSTRACT

We propose a new Group Feature Selection method for Discriminative Correlation Filters (GFS-DCF) based visual object tracking. The key innovation of the proposed method is to perform group feature selection across both channel and spatial dimensions, thus to pinpoint the structural relevance of multi-channel features to the filtering system. In contrast to the widely used spatial regularisation or feature selection methods, to the best of our knowledge, this is the first time that channel selection has been advocated for DCF-based tracking. We demonstrate that our GFS-DCF method is able to significantly improve the performance of a DCF tracker equipped with deep neural network features. In addition, our GFS-DCF enables joint feature selection and filter learning, achieving enhanced discrimination and interpretability of the learned filters. To further improve the performance, we adaptively integrate historical information by constraining filters to be smooth across temporal frames, using an efficient low-rank approximation. By design, specific temporal-spatial-channel configurations are dynamically learned in the tracking process, highlighting the relevant features, and alleviating the performance degrading impact of less discriminative representations and reducing information redundancy. The experimental results obtained on OTB2013, OTB2015, VOT2017, VOT2018 and TrackingNet demonstrate the merits of our GFS-DCF and its superiority over the state-of-the-art trackers. The code is publicly available at https://github.com/XU-TIANYANG/GFS-DCF.

研究动机与目标

• 为解决在基于DCF的跟踪中，对多通道深度特征结构相关性缺乏系统性探索的问题。
• 通过联合通道与空间组特征选择，减少高维深度特征中的信息冗余与无关信息。
• 通过在统一优化框架中联合进行特征选择与滤波学习，提升滤波器的判别能力与可解释性。
• 通过在帧间使用低秩近似强制约束滤波器的时间平滑性，提升跟踪稳定性。
• 在跟踪过程中动态学习最优的时间-空间-通道配置，以实现鲁棒性能。

提出的方法

• 该方法在通道与空间维度上执行组特征选择，以识别相关性结构特征用于相关滤波器。
• 其构建了一个联合优化问题，通过在通道与空间维度上施加组稀疏性，抑制无关与冗余特征。
• 应用低秩近似以约束滤波器更新在时间帧之间保持平滑，从而提升稳定性和泛化能力。
• 该框架以端到端方式联合学习滤波器并选择特征，实现在跟踪过程中自适应配置的学习。
• 使用交替方向乘子法（ADMM）求解优化问题，以高效处理非凸与非光滑目标函数。
• 该方法兼容深度神经网络特征，且设计用于在DCF跟踪范式内运行，无需重新训练。

实验结果

研究问题

• RQ1 在通道与空间维度上联合执行组特征选择，是否能提升基于DCF跟踪器的性能？
• RQ2 在空间正则化之外引入通道级特征选择，是否能带来更好的判别能力与更少的冗余？
• RQ3 通过低秩近似实现滤波器的时间平滑性，是否能增强跟踪的稳定性和鲁棒性？
• RQ4 在多种基准测试中，该方法在精度、鲁棒性与速度方面与最先进跟踪器相比表现如何？
• RQ5 不同类型的特征（手工设计特征 vs. 深度特征）对组选择策略有效性有何影响？

主要发现

• 在OTB2013上，GFS-DCF实现了95.0%的精度与5.92像素的位置误差，分别优于VITAL与MetaT 8.4%与5.58像素。
• 在OTB2015上，GFS-DCF实现了89.0%的成功率与10.3像素的位置误差，精度比ECO高4.1%，误差低4.5像素。
• 在VOT2017与VOT2018上，GFS-DCF取得了0.397的最佳EAO得分，在精度（0.511）与鲁棒性（0.143）上位列前三。
• 在TrackingNet上，GFS-DCF实现了71.79%的归一化精度，优于CACF与ECO，且计算成本显著低于MDNet，接近其性能表现。
• 在OTB2013上，该方法实现了7.8 fps的速度，展现出精度与推理效率之间的良好权衡。
• 消融实验表明，联合通道与空间组稀疏性优于仅空间或仅通道的选择策略，验证了该方法设计的有效性。