基于注意力机制的特征融合孪生网络目标跟踪算法

石健彤; 王瑜; 毕玉; 肖洪兵; 孙梅

doi:10.13873/J.1000-9787(2024)08-0145-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于注意力机制的特征融合孪生网络目标跟踪算法

计算与测试 | 更新时间：2025-09-11

- 基于注意力机制的特征融合孪生网络目标跟踪算法
- 暂无标题
- 传感器与微系统 2024年第8期页码：145-149
- 作者机构：
  
  北京工商大学人工智能学院
- 作者简介：
- 基金信息：
  
  北京市自然科学基金—北京市教育委员会科技计划重点项目(KZ202110011015)
- DOI：10.13873/J.1000-9787(2024)08-0145-05
  中图分类号： TP18;TP391.41
- 纸质出版：2024
- 稿件说明：
移动端阅览
石健彤, 王瑜, 毕玉, 等. 基于注意力机制的特征融合孪生网络目标跟踪算法[J]. 传感器与微系统, 2024,(8):145-149.
石健彤, 王瑜, 毕玉, 等. 基于注意力机制的特征融合孪生网络目标跟踪算法[J]. 传感器与微系统, 2024,(8):145-149. DOI： 10.13873/J.1000-9787(2024)08-0145-05.

DOI：

摘要

提出一种基于注意力机制的特征融合孪生网络目标跟踪算法。针对目标跟踪算法特征提取网络深度较浅导致特征鲁棒性不足的问题，使用改进后的ResNet—50网络提取模板帧和搜索帧图像的深层和浅层特征，并利用通道和空间注意力机制对提取得到的深浅层特征进行融合。针对目标跟踪算法仅使用首帧图像作为模板导致模板失效、跟踪漂移等问题，在传统孪生网络中增加一条模板分支以将首帧和搜索帧前一帧图像共同作为目标模板。与传统经典的跟踪方法相比，提出的算法在OTB100和VOT2016数据集的相关实验获得了最佳的性能表现，验证了提出算法的有效性和可行性。

Abstract

关键词

Keywords

references

Danelljan Martin,Hager Gustav,Khan Fahad Shahbaz,Felsberg Michael.Discriminative Scale Space Tracking.[J].IEEE transactions on pattern analysis and machine intelligence,2017.

祁笑寒,伊力哈木·亚尔买买提.结合可变形卷积与全局信息的目标跟踪算法[J].传感器与微系统,2024(05).

王淑贤,葛海波,李文浩.多尺度通道注意与孪生网络的目标跟踪算法[J].计算机工程与应用,2023(14).

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).

韩明,王景芹,王敬涛,孟军英.级联特征融合孪生网络目标跟踪算法研究[J].计算机工程与应用,2022(06).

任立成,杨嘉棋,魏宇星,张建林.基于特征融合与双模板嵌套更新的孪生网络跟踪算法[J].计算机工程,2021(07).

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).

浏览量

313

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于注意力与特征融合的双分支跟踪算法

融合Transformer的改进遮挡人脸识别算法

基于改进U²-Net的摇床精矿带图像分割方法

基于图像融合与深度学习的人脸表情识别

结合注意力门控与特征融合的图像去雾网络