为期7天的计算机视觉顶级会议ECCV2018在德国慕尼黑悄然落幕，模式识别国家重点实验室视频内容安全团队成员王强联合商汤科技在VOT2018实时目标跟踪挑战赛中，夺得了冠军。
Visual-Object-Tracking Challenge (VOT)是国际目标跟踪领域最权威的测评平台，由伯明翰大学、卢布尔雅那大学、布拉格捷克技术大学、奥地利科技学院联合创办，旨在评测在复杂场景下单目标跟踪的算法性能。
9月14日，2018年视觉目标跟踪挑战赛(Visual-Object-Tracking Challenge 2018)的结果在ECCV Workshop上揭晓。VOT2018共设三项任务：Baseline challenge(主挑战赛)、Real-time challenge(实时目标跟踪挑战赛)、Long-term challenge(长时跟踪挑战赛)。相比于2017年，今年的竞争异常激烈，短时比赛和实时比赛的参赛的跟踪器由2017年的51个增加到72个，参赛队伍由38个增加到了53个，包括牛津大学、卡耐基梅隆大学、微软亚洲研究院等国际著名AI实验室以及知名科研院校。新增的长时比赛共有11个队伍参与，提交了15个跟踪结果。
本团队凭借在视频跟踪领域丰富的研究积累，在实时目标跟踪任务中提出干扰对象感知的孪生神经网络(Distractor-aware Siamese Networks for Visual Object Tracking)。通过主动调节具有语义样本和简单样本的数据分布，增强网络的判别能力；同时，在网络架构方面进行了深入探索，将网络宽度进行提升，增大网络容量；动态调节网络搜索范围，以适应不同尺度目标的运动。最后取得了非常优异的跟踪精度。
团队这次获得了实时目标跟踪冠军，相比于去年的实时目标跟踪冠军，本团队算法取得了超过80%的相对提升。在Baseline challenge中，相比于非实时跟踪算法，本团队算法依然取得最好的跟踪精度；同时，该算法在长时跟踪比赛中取得第二名的成绩。
论文链接：Zheng Zhu, Qiang Wang, Bo Li, Wei Wu, Junjie Yan, Weiming Hu. Distractor-aware Siamese Networks for Visual Object Tracking
|
