基于时空Transformer的视觉目标跟踪算法

武晓军; 陈怡丹; 冯丽萍; 宋长伟; 何德清

doi:10.13873/J.1000-9787(2025)03-0152-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于时空Transformer的视觉目标跟踪算法

计算与测试 | 更新时间：2025-09-11

- 基于时空Transformer的视觉目标跟踪算法
- 暂无标题
- 传感器与微系统 2025年第3期页码：152-155
- 作者机构：
  
  1. 忻州师范学院
  2. 河南开放大学
  3. 河南农业大学信息与管理科学学院
  4. 华中科技大学计算机科学与技术学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61902139);山西省基础研究计划项目(202203021211116);忻州师范学院项目(2021KY16)
- DOI：10.13873/J.1000-9787(2025)03-0152-04
  中图分类号： TP18;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
武晓军, 陈怡丹, 冯丽萍, 等. 基于时空Transformer的视觉目标跟踪算法[J]. 传感器与微系统, 2025,(3):152-155.
武晓军, 陈怡丹, 冯丽萍, 等. 基于时空Transformer的视觉目标跟踪算法[J]. 传感器与微系统, 2025,(3):152-155. DOI： 10.13873/J.1000-9787(2025)03-0152-04.

DOI：

摘要

视觉目标跟踪中，由于目标移动速度不同，连续帧对时空邻域的贡献程度也不同。为学习视频帧对邻域信息的贡献，结合自注意力机制学习不同帧的权重大小，提出了一种基于时空Transformer的视觉目标跟踪方法。该算法主要通过关联多帧特征，并在时域上进行信息聚合。首先，将图像通过空间Transformer编码器(STE)对空间特征进行编码。然后，通过时空Transformer解码器(STD)模块在时间维度上聚合帧间信息，以捕获时间和空间的全局上下文信息。最后，在LaSOT、GOT—10k等主流数据集进行测评。实验结果表明：算法在精度、成功率及其他评价指标上取得了一定程度的提升。

Abstract

关键词

Keywords

references

石健彤,王瑜,毕玉,肖洪兵,孙梅.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(08).

张海鹏,王亚平,张宝华,徐利权,温海英.基于区域细化的Siamese网络目标跟踪算法[J].传感器与微系统,2024(06).

饶六中,王建华,郑翔,张山甲.基于单目视觉的无人水面艇目标跟踪方法[J].传感器与微系统,2022(07).

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.

Huang Lianghua,Zhao Xin,Huang Kaiqi.GOT-10k: A Large High-Diversity Benchmark for Generic Object Tracking in the Wild.[J].IEEE transactions on pattern analysis and machine intelligence,2019.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

融合Transformer的改进遮挡人脸识别算法

交互注意力融合的眼底图像分类方法

基于Transformer-DCGAR-SAC的移动机器人路径规划

融合时空特征的城市多站点PM2.5浓度预测

基于多模态视听融合的Transformer语音识别算法研究