基于改进SiamFC的实时目标跟踪算法
针对全卷积孪生神经网络SiamFC在目标跟踪速度以及网络判别能力上有待提升的问题,提出了一种基于改进SiamFC的实时目标跟踪算法.将原网络结构中的第二层卷积层替换为深度可分离卷积,通过减少参数计算量,提高了跟踪速度;为了提高网络判别能力,第三层卷积层使用混合深度卷积,通过不同尺寸的卷积核提取特征,实现多特征融合,提取到鲁棒性更强的特征;采用预处理后的ILSVRC2015数据集,使用随机梯度下降法对网络进行训练,并在OTB2015、VOT2016、ILSVRC2015数据集上对算法性能进行测试.实验结果表明,该算法和SiamFC算法相比,在跟踪成功率、跟踪精度以及跟踪速度上都有一定的提升,并能够满足实时跟踪要求.
机器视觉、目标跟踪、孪生网络、深度可分离卷积、混合深度卷积、多特征融合
58
TP391(计算技术、计算机技术)
国家重点研发计划;中央高校基本科研业务费专项中国民航大学专项
2021-05-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
300-308