结合可变形卷积与全局信息的目标跟踪算法

doi:10.13873/J.1000-9787(2024)05-0153-05

Chinese

您当前的位置：

首页 >

文章列表页 >

结合可变形卷积与全局信息的目标跟踪算法

更新时间：2025-09-11

- 结合可变形卷积与全局信息的目标跟踪算法
- Issue 5, Pages: 153-157(2024)
- 作者机构：
  
  新疆大学电气工程学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2024)05-0153-05
  CLC： TP391.41
- Published：2024
- 稿件说明：
移动端阅览
[J]. 2024, (5): 153-157.
DOI：

[J]. 2024, (5): 153-157. DOI： 10.13873/J.1000-9787(2024)05-0153-05.

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68 fps

达到超实时跟踪，证明所提出算法的有效性。

Abstract

关键词

Keywords

references

杨海清,林小明.融合深度特征的通道可靠性目标跟踪算法[J].传感器与微系统,2022(04).

尚振宏,王娜,刘辉.自适应融合多层卷积特征的目标跟踪算法[J].传感器与微系统,2020(06).

Chen Hang,Zhang Weiguo,Yan Danghui.Learning Geometry Information of Target for Visual Object Tracking with Siamese Networks[J].Sensors,2021.

Yinda Xu,Zeyu Wang,Zuoxin Li,Ye Yuan,Gang Yu.SiamFC++: Towards Robust and Accurate Visual Tracking with Target Estimation Guidelines[J].Proceedings of the AAAI Conference on Artificial Intelligence,2020.

Danelljan M.,Van Gool L.,Timofte R..Probabilistic regression for visual tracking[J].Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2020.

Henriques João F,Caseiro Rui,Martins Pedro,Batista Jorge.High-Speed Tracking with Kernelized Correlation Filters.[J].IEEE transactions on pattern analysis and machine intelligence,2015.

Views

222

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于改进YOLOv5n的仿生海豚目标识别与跟踪方法

基于区域细化的Siamese网络目标跟踪算法

基于注意力机制的特征融合孪生网络目标跟踪算法

基于注意力与特征融合的双分支跟踪算法

基于机器视觉的路边垃圾分类系统

Related Author

巩伟杰

陈昭阳

陈宏

曾广娟

温海英

徐利权

张宝华

王亚平

Related Institution

深圳大学机电与控制工程学院

内蒙古科技大学信息工程学院

中国移动通信集团内蒙古有限公司

北京工商大学人工智能学院

光电控制技术重点实验室

⁰