Siamski sledilnik s segmentacijo za robustno lokalizacijo tarčeKaramatić, Boris (Avtor) Kristan, Matej (Mentor) sledilniksegmentacijamrežesledenjedetekcijalokalizacijaNa področju sledilnikov trenutno prevladujeta dve metodi, in sicer sledenje z diskriminativnimi korelacijskimi filtri in sledenje s siamskimi mrežami. Obe metodi temeljita na sledenju s pravokotnimi regijami in imata probleme s sledenjem objektov, ki so slabo aproksimirani z očrtanimi pravokotniki. V magistrskem delu smo predlagali nov sledilnik SiamDGC, ki je združil dobre lastnosti sledilnikov s pravokotnimi regijami in dobre lastnosti segmentacijskih modelov za natančno segmentacijo. Sledilnik SiamDGC deluje tako, da na območju lokalizacije iz SiamFC izreže sliko, doda mapo evklidske razdalje in mapo odziva iz SiamFC ter izvede segmentacijo objekta sledenja. Na osnovi segmentacijske maske se nato posodobi lokalizacija v SiamFC za iskanje v sledečih sličicah. Sledilnik SiamDGC smo testirali in primerjali s sledilnikom SiamFC na podatkovnih zbirkah VOT2016 in DAVIS2016. Pri tem smo gledali natančnost in robustnost sledilnika. Ugotovili smo, da je za zanesljivo sledenje posodabljanje predloge sledenja zelo pomembno. Dodatek segmentacijske metode izboljša natančnost sledilnika SiamFC s posodabljanjem predloge na zbirki VOT2016 za 11,82%/6,26% in robustnost za 0,00%/8,06% pri primerjavi mask/očrtanih pravokotnikov. Na zbirki DAVIS2016 pa se natančnost izboljša za 27,20%/7,59% in robustnost za 75,00%/75,00% pri primerjavi mask/očrtanih pravokotnikov.20202020-11-18 18:05:01Magistrsko delo/naloga122050sl