改进的GOTURN算法

摘要：

随着基于深度学习的算法在计算机视觉领域中的应用不断拓展,GOTURN(Generic Object Tracking U-sing Regression Networks)算法是第1个满足目标跟踪实时性要求的深度学习算法(达到100 fps),但是该算法的跟踪精度有待提高.针对此问题,采用基于运动估计的卡尔曼滤波算法与基于卷积神经网络的深度学习算法相结合的方法,将卡尔曼滤波算法融入GOTURN算法进行目标跟踪.为了验证该算法的有效性,在ILSVRC2014数据集和ALOV300++数据集中进行了训练和评估.实验结果表明,该算法不仅能够满足目标跟踪的实时性要求,而且能够提高线性系统的跟踪精度.

关键词：深度学习、目标跟踪、卡尔曼滤波、卷积神经网络、孪生网络

所属期刊栏目：35

分类号：P209(一般性问题)

资助基金：国家自然科学基金项目61173077

在线出版日期：2019-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：605-608,615