结合移动对象发现和对比学习的无监督跟踪

来源：计算机工程与应用杂志2025年第4期北京时间：

作者：段苛苛, 郑俊蓉, 晏泽

单位：辽宁大学 信息学院，沈阳 110036

摘要：常规的深度学习跟踪方法需要使用大量人工注释的视频标签来完成对目标跟踪任务的监督学习，而无监督跟踪方法可以在未标注视频中进行模型训练，这有利于部署到实际场景中。传统的无监督跟踪方法严重依赖训练样本的空间信息探索，难以持续跟踪具有强烈运动变化的目标对象。提出一种基于循环一致性理论的无监督跟踪方法，采用无监督光流估计与动态规划发现移动目标，通过循环记忆学习方案构建内存队列来利用丰富的时间信息，并提出基于对比学习思想的方法完成对模板的更新。实验结果表明，提出的跟踪方法在VOT2016以及VOT2018数据集上的EAO分别达到了0.402和0.344，主要性能指标与一些主流监督学习方法的跟踪效果相当。

关键词：目标跟踪,无监督学习,循环一致性,移动对象发现,对比学习