#904
summarized by : Naoya Chiba
ATOM: Accurate Tracking by Overlap Maximization
Martin Danelljan, Goutam Bhat, Fahad Shahbaz Khan, Michael Felsberg

どんな論文か？

近年のVisual Trackingの研究ではロバスト性に主眼がおかれており，精度については重要視されてきていなかった．従来の単なるマルチスケール探索では精度良くバウンディングボックスを推定することは難しいため，バウンディングボックスの推定を高精度に行うトラッカーATOMを提案．
placeholder

新規性

提案法はオフラインで学習したTarget Estiamtion Moduleとオンラインで学習したTarget Classification Moduleからなる．Target Estiamtion ModuleによってIoUが大きくなるようなバウンディングボックスを求め，Target Classification Moduleで物体ごとの信頼度を推定する．

結果

Target Estiamtion ModuleはオフラインでLaSOT，TrackingNet，COCOを用いて学習．Need for Speed，UAV123，TrackingNet，LaSOT，VOT2018で学習・評価を行った．ほとんどの指標・データセットでSOTAを達成している．

その他（なぜ通ったか？等）

このページで利用されている画像は論文から引用しています．