-
题名特征融合与训练加速的高效目标跟踪
被引量：1
- 1
-
-
作者
刘云
钱美伊
李辉
王传旭
-
机构
青岛科技大学信息科学技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第10期101-109,共9页
-
基金
国家自然科学基金(61472196,61702295,61672305)。
-
文摘
基于孪生网络的目标跟踪,存在特征信息欠丰富,跟踪效率有待提高,大型数据集上训练时间长等问题。针对上述问题,提出特征融合与训练加速的高效目标跟踪。增加主干网络参考特征层级,减小下采样,融合多层级参考特征图,提取目标更深度、丰富的语义信息。深度互相关操作得到候选窗口响应(Response of Candidate Windows,RoWs),在其中构建区域建议网络(Region Proposal Network,RPN),通过权衡正负锚点的数量比,使孪生网络性能更加高效、稳定。大型数据集训练孪生网络时,使用均匀滑动漂移采样,代替随机漂移采样算法,在抑制中心偏置现象的同时,显著加快了孪生网络的训练速度。跟踪基准VOT2018上的评估实验结果表明,与所有参考的主流目标跟踪算法相比,所提算法具有最佳的跟踪性能。
-
关键词
目标跟踪
孪生网络
参考特征图融合
深度互相关
候选窗口响应(RoWs)
权衡锚点
漂移采样
训练加速
-
Keywords
object tracking
siamese network
reference feature map fusion
depth-wise cross correlation
Response of Candidate Windows(RoWs)
balancing anchors
shift sampling
training acceleration
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
