极市直播回放丨第69期-张志鹏：Ocean/Ocean+：实时目标跟踪分割算法，小代价，大增益

在过去的几年中，基于anchor的Siamese算法成为了单目标跟踪的主流。但是其本身在训练时设置了较为严苛的正负样本阈值(IoU>0.6)。这种设置固有的问题是：算法在训练时无法“看见”重合度较小的anchor，如果在测试时候分类分支将这样的anchor选为目标区域，那回归网络预测结果将非常差。

本次分享，我们邀请到了中科院模式识别实验室的张志鹏博士。为解决上述问题，他们在论文中提出了基于anchor-free的回归网络，和基于特征对齐的object-aware分类网络。anchor-free回归网络能在较大空间范围内回归出目标区域，同时，其回归得到的目标框给分类网络提供指导使其学习更关注于物体整体的特征。两者相辅相成提高了跟踪的准确度。

在极市平台公众号后台回复“69”或“张志鹏”即可获取视频下载地址~

➤详情传送门

极市直播丨张志鹏：Ocean/Ocean+: 实时目标跟踪分割算法，小代价，大增益｜ECCV2020

➤论文地址

https://arxiv.org/abs/2006.10721

https://arxiv.org/abs/2008.02745

➤代码地址

https://github.com/researchmm/TracKit

https://github.com/JudasDie/Comparison

➤分享大纲

1、Which paper should a fresher read?

2、Which Github-repo should you fork?

3、Advances in Siamese Tracking

4、Our new paper: Ocean/Ocean+

5、Challenges and future study

6、Q&A

➤回放视频在这里☟（建议在pc端观看）

➤部分PPT截图