-
题名融合多模板注意力深度网的自适应目标框跟踪算法
- 1
-
-
作者
仲训杲
范东嘉
仲训昱
周承仙
赵晶
刘强
-
机构
厦门理工学院电气工程与自动化学院
厦门大学航空航天学院
牛津大学精神学系
厦门市高端电力装备及智能控制重点实验室
-
出处
《控制与决策》
EI
CSCD
北大核心
2024年第4期1123-1132,共10页
-
基金
国家自然科学基金项目(61703356)
福建省自然科学基金项目(2022J011256,2020J01285)
厦门市青年创新基金项目(3502Z20206071)。
-
文摘
现有深度网络跟踪算法应对相似物体干扰、尺度变化、形变模糊、遮挡等问题存在挑战,为此提出一种融合多模板注意力机制的鲁棒深度网络算法.在SiamFc深度网络分支中构建通道和空间多模板注意力机制,以加强网络对目标特征的提取能力;融合浅层和深层卷积特征实现跟踪目标的精确聚焦,以克服相似物干扰问题;采用自适应回归网络学习目标采样点与目标边界之间的距离,实现目标区域的动态预测,有效应对目标尺度变化问题.另外,通过计算分类特征的APCE均值和最大值建立模板在线更新策略,实现网络自适应目标形变模糊与遮挡等问题.对OTB 100和VOT 2016等公开数据集的测试结果表明,与目前先进的SiamFc及改进方法相比,所提出算法在动态目标跟踪的准确率和成功率上均得到有效提升,具有强鲁棒性能.
-
关键词
深度网络
目标跟踪
自适应框
注意力机制
模板更新
-
Keywords
deep network
object tracking
adaptive box
attention mechanism
template update
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
