Efficient early exit single object tracking via general distribution

Yachun Feng

doi:10.1016/j.neucom.2025.131888

Efficient early exit single object tracking via general distribution

2025-10-22

0

PRE

AI

DOI：10.1016/j.neucom.2025.131888

原文链接

原文求助

摘要

En 中文

当前主流的目标跟踪算法要求搜索区域通过整个骨干网络进行特征提取和关系建模。对于背景与目标区分度高且目标外观变化极小的简单场景，这种不考虑跟踪难度级别的固定推理路径设计范式会导致冗余计算。这不仅降低了推理速度，也浪费了大量的计算资源。为解决此局限性，本研究提出了一种基于General distribution（GD）的早期退出目标跟踪算法。利用GD能够反映当前跟踪定位质量这一特性，我们采用GD的信息熵作为早期退出准则，从而实现对简单和复杂跟踪场景的差异化处理。我们引入旁路分支模块来增强浅层预测头的预测能力，并设计了双阶段训练方法，该方法在保持最终预测头性能的同时，通过自蒸馏进一步提升了浅层头的预测能力。在多个基准数据集上的实验结果表明，我们提出的算法不仅实现了与当前最优方法相当准确率指标，还显著提升了推理速度。通过对LaSOT数据集测试集的定量分析，来自浅层头的早期退出预测表现出良好的预测精度，这不仅证明了本方法能有效区分易检测场景和复杂场景，也验证了在简单场景中应用早期推理终止的合理性。

Efficient early exit single object tracking via general distribution

摘要

期刊

机构

引用论文