融合通道互联空间注意力的Siamese网络跟踪算法
基于Siamese网络的跟踪算法在跟踪精度和速度方面展现出巨大的潜力,然而要使离线训练的模型适应在线跟踪仍然面临着挑战.为了提升复杂场景下算法的特征提取以及判别能力,提出了一种融合通道-互联-空间注意力的Siamese网络实时跟踪算法.首先构建以深度卷积网络VGG-Net-16作为主干网络的Siamese跟踪框架,增加特征提取能力;接着设计通道-互联-空间注意力模块,增强模型的适应能力与判别能力;然后加权融合多层响应图,获取更精准的跟踪结果;最后使用大规模数据集对网络进行端到端的训练,在通用数据集OTB-2015上进行跟踪测试.实验结果表明:与当前主流算法相比,所提算法具有较强的稳健性,能更好地适应目标外观变化、相似物干扰、目标遮挡等复杂场景,在NVIDIA RTX 2 060 GPU上,跟踪速度平均达到37FPS,满足实时性要求.
目标跟踪、Siamese网络、深度卷积网络、通道注意力、互联注意力、空间注意力
50
TP391(计算技术、计算机技术)
中国科学院重点实验室开放基金Y42613A32S
2021-04-23(万方平台首次上网日期,不代表论文的发表时间)
共13页
253-265