SFFAI 76 X CRIPAC报名通知 | 目标跟踪专题

由于特殊时期，SFFAI出于对大众健康的优先考虑，以及致力于为大众提供更高效、更便捷的参会体验，现已将SFFAI76期论坛改为线上形式。

SFFAI 合作机构 CRIPAC 简介

智能感知与计算研究中心（www.cripac.ia.ac.cn）为中科院自动化研究所独立建制的科研部门，致力于研究泛在智能感知理论与技术以及与之相伴的海量感知数据的智能分析与处理。瞄准国际学科前沿，面向国家公共安全、智能产业发展等重大战略需求，着眼于基础理论创新与关键技术突破以及系统解决方案的研制，努力打造成为国际一流的研究中心，是集人才培养、技术创新、产业孵化为一体的创新平台。中心目前主要在多模态智能计算、生物识别与安全、生物启发的智能计算、智能感知基础理论四个方面展开科学研究。

论坛主题

目标跟踪专题

论坛简介

目标跟踪是计算机视觉的基本任务之一，近年来随着大量跟踪数据库的提出，以及VOT比赛的推广，单目标跟踪领域迅速发展。本期论坛我们邀请到了来自中国科学院自动化研究所的张志鹏同学，分享他在ECCV2020的工作，将基于anchor-free的回归网络和基于特征对齐的object-aware分类网络相结合，提高跟踪准确度。同时，讲者将会简单介绍近期在Ocean上的用于视频分割的新工作，实现速度接近前提下，在vot2020[跟踪+分割]远超当前SOTA 11个点的效果。

论坛讲者

张志鹏

张志鹏，中国科学院自动化研究所模式识别国家重点实验室直博生，主要研究方向为目标跟踪，在CVPR2019发表SiamDW (Oral), ECCV2020发表Ocean。

报告题目：Ocean: Object-aware Anchor-free Tracking

报告摘要：近年在单目标跟踪中基于anchor的算法大放异彩，尤其是在offline算法中处于绝对的统治地位。为了使算法易于收敛，基于anchor的Siamese算法本身在训练时设置了较为严苛的正负样本阈值(IoU>0.6)。但是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。为了解决问题，我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。

另外，基于Ocean的框架，我们在VOT2020比赛中赋予其分割能力，只需要非常少的代码就可以实现在VOT2020中大幅领先当前基于跟踪的分割算法，i.2. online和offline版本分别以18和12个点领先于SiamMask，9/2个点领先于基于D3S，且保持单帧实时(~35-40fps)。

Spotlight：

1. 提出基于anchor-free的回归网络和基于特征对齐的分类网络，两者相辅相成提高了Siamese跟踪框架的精度。

2. 文章中提出的不对称并行的cross-correlation简单有效的提升了特征匹配的能力。

3. 在VOT2020上的结果证明了我们算法的可扩展性。
   

召集人

李奉治

李奉治，中国科学院计算技术研究所直博生，导师为徐志伟研究员。主要研究方向为机器学习中的因果推理。

论文推荐

“ 本期推荐的文章主要关注于计算机视觉的目标跟踪领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI76"获取本主题精选论文

领域前沿

01

推荐理由：微软近期的一个多目标跟踪工作，目的是提供一个简单又有效的多目标跟踪pipeline。很推这种文章，不堆砌东西，从简出发。

—— 张志鹏

02

推荐理由：Jiangmiao Pang近期的一个工作，用简单的双向softmax实现稠密匹配，简洁有效。

—— 张志鹏

03

推荐理由：Guangting在CVPR2020中的工作，近期中将meta learning用于跟踪中一个比较好的范例。

—— 张志鹏

领域经典

04

推荐理由：相关滤波目标跟踪方向的一个里程碑，利用循环矩阵在频域中特性构建了快速的跟踪算法。

—— 张志鹏

05

SiamFC

推荐理由：开辟了目标跟踪方向连续5年在Siamese目标跟踪算法上的研究热度。

—— 张志鹏

06

ATOM

推荐理由：相关滤波算法的中兴之作，在Siamese逐渐统治领域时杀出重围，将相关滤波算法和前沿检测算法结合，使相关滤波算法重新出现在SOTA舞台。

—— 张志鹏

参会须知

会议时间

2020年8月9日（周日）

20:00 -- 21:00

报名方式

公众号二维码

请同学们扫码关注本公众号，对话框回复“SFFAI76”，获取入群二维码。

SFFAI的介绍

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了人工智能前沿学生论坛SFFAI，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，进行学术传播，同时为讲者塑造个人影响力。

SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest。通过汇总各位参与者贡献的领域知识，沉淀人工智能前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献。SFFAI自2018年9月16日举办第一期，每周一期学术分享交流，截止目前已举办75期学术交流活动，共有100+位讲者分享了他们的真知灼见，来自100多家单位的同学参与了现场交流，通过线上推文、网络直播等形式，50000+人次参与了人工智能前沿学生论坛。SFFAI自发起以来，迅速成长壮大，已经成为人工智能学生交流的第一品牌，有志同道合的论坛核心志愿者团队、乐于学术分享的讲者伙伴，还有许多认可活动价值、多次报名参加现场交流的观众，大家通过参与人工智能前沿学生论坛，收获了宝贵的知识和友谊，SFFAI致力于帮助大家解决在学术中遇到的相关问题，拓展学术人脉，为大家营造专业、开放的学术交流环境！

历史文章推荐

分享、点赞、在看，给个三连击呗！