头条新闻

近日，国际视觉跟踪竞赛Visual Object Tracking Challenge 2018 (VOT2018) 在ECCV2018（欧洲计算机视觉国际会议）期间举行了颁奖仪式和比赛总结。大连理工大学电子信息与电气工程学部卢湖川教授领导的IIAU实验室代表队MBMD获得了本次竞赛长时组别的冠军。早在去年的VOT2017上，博士生孙冲同学的算法LSART就击败了牛津大学、卡耐基梅隆大学、微软亚洲研究院等国际著名AI实验室和知名院校，获得了公开组第一名，本次是IIAU实验室获得的背靠背冠军。本次比赛的参赛队员有张允华和王立君，指导老师是王栋、戚金清和卢湖川。第一作者硕士生张允华同学应邀在颁奖仪式上作大会报告，向与会代表介绍了MBMD核心算法。

Visual-Object-Tracking Challenge (VOT) 是当前国际上在线目标跟踪领域最权威的测评，每年都在顶级会议期间举行workshop，旨在评测在复杂场景下单目标跟踪的算法性能。由于每年的评测序列都会更新，且标注的精确度逐年提高，VOT竞赛也被视为视觉跟踪领域最难的竞赛，远远超过了其他数据集。因此，每年最好的追踪算法都会在上面一展拳脚，在激烈的比拼中擦出灵感的火花。

近年来，尽管大量的跟踪器在短时跟踪上表现非常稳定，长时跟踪问题仍然是一个巨大挑战。在短时跟踪任务中，视频长度仅为几十秒，同时目标始终出现在镜头内，跟踪器只需要在一定的局部搜索区域（非全图）内每帧给出目标最可能的位置。然而，在长时跟踪任务中，视频长度不仅延长至十几分钟，并且目标频繁出镜入镜。相比于短时跟踪器，长时跟踪器必须具备判断目标是否在镜头内并在整个视野中检测目标的能力，更贴近无人机、无人车和视频监控等实际问题。正是这些因素，使VOT 2018长时竞赛更具有挑战性。本次竞赛包括两个任务，分别是长时跟踪（Long-term Tracking）和全图检测（Re-detection Experiment），来充分检验长时跟踪算法性能。

本次竞赛冠军大连理工大学MBMD团队所使用的核心算法，是基于该团队所研发的协同作用卷积网络模型。该模型的新颖之处在于利用匹配网络和分类网络在目标跟踪任务中各自的优势，提取了适应力和分辨力更强的跟踪目标视觉特征。通过利用视频数据集离线学习，匹配网络在目标外观发生剧烈变化时依然能够提取到稳定视觉特征；通过利用当前跟踪视频的信息在线学习，分类网络能够有效地过滤掉跟踪过程中出现的干扰物。协同作用卷积网络模型能够准确地判断出目标是否出现在当前视野内，并有效地在整个视野中搜索目标，在性能上显著优于以往的长时跟踪器。

值得一提的是，由于这个比赛的冠军以及ECCV的论文，张允华同学作完演讲之后，英国牛津大学和荷兰阿姆斯特丹大学相关研究组都给了她博士全额奖学金，人工智能领域最好的研究院之一FAIR（Facebook Artificial Intelligence Research）也邀请她去工作。

福利时间到！请一起为大工点1000赞！点够1000赞留言区点赞前五名将获得精美礼物哦（截至29日晚10点）