文档名：结合可变形卷积与全局信息的目标跟踪算法
摘要：本文提出了一种以区域候选孪生网络(SiamRPN)为基础并结合可变形卷积与全局信息的目标跟踪算法.首先,使用计算花销适中的主干网络提升模型的特征提取能力;其次,采用全局上下文注意力模块提升全局信息建模能力,在相似度计量部分设计可变形互相关模块聚合模板特征与搜索特征;最后,采用多层特征融合策略充分挖掘深层语义信息与浅层定位信息,使目标的定位和分类更加准确.实验结果表明:该算法优于参与对比的主流跟踪器,在OTB100和VOT2016两个目标跟踪数据集中成功率和EAO指标分别提升了5.3%和8.5%,且跟踪速度达到68fps,达到超实时跟踪,证明所提出算法的有效性.
Abstract：Atargettrackingalgorithmbasedonregionalcandidatetwinnetworks(SiamRPN),andcombiningdeformableconvolutionandglobalinformation.Firstly,backbonenetworkwithmoderatecomputationcostisusedtoimprovethefeatureextractionabilityofthemodel.Secondly,theglobalcontextattentionmoduleisusedtoimprovetheabilityofglobalinformationmodeling.Inthepartofsimilaritymeasurement,thedeformablecross-correlationmoduleisdesignedtoaggregatetemplatefeaturesandsearchfeatures.Finally,themulti-layerfeaturefusionstrategyisadoptedtothoroughlyminethedeepsemanticinformationandshallowpositioninginformation,sothattomaketargetlocalizationandclassificationmoreaccurate.Experimentalresultsshowthatthisalgorithmisobviouslybetterthanmainstreamtrackersinthecomparision.IntwodatasetsoftargettrackingOTB100andVOT2016,thesuccessrateandEAOareimprovedby5.3%and8.5%respectively,andthetrackingspeedreaches68fps,realizeultrareal-timetracking,whichprovesthevalidityoftheproposedalgorithm.
作者：祁笑寒 伊力哈木·亚尔买买提Author：QIXiaohan YILIHAMUYaermaimaiti
作者单位：新疆大学电气工程学院,新疆乌鲁木齐830017
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2024, 43(5)
分类号：TP391
关键词：目标跟踪 孪生神经网络 注意力模块 可变形互相关
Keywords：targettracking twinneuralnetwork attentionmodule deformablecross-correlation
机标分类号：TP391.41G633.7TP18
在线出版日期：2024年5月17日
基金项目：国家自然科学基金，国家自然科学基金结合可变形卷积与全局信息的目标跟踪算法[
期刊论文] 传感器与微系统--2024, 43(5)祁笑寒 伊力哈木·亚尔买买提本文提出了一种以区域候选孪生网络(SiamRPN)为基础并结合可变形卷积与全局信息的目标跟踪算法.首先,使用计算花销适中的主干网络提升模型的特征提取能力;其次,采用全局上下文注意力模块提升全局信息建模能力,在相似度计...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
结合可变形卷积与全局信息的目标跟踪算法 Target tracking algorithm combining deformable convolution and global information
结合可变形卷积与全局信息的目标跟踪算法.pdf
|
|
