基于增强语义与多注意力机制学习的深度相关跟踪

摘要：

在基准可判别相关滤波器网络(DCFNet)目标跟踪过程中,遮挡和运动模糊情况会导致目标发生漂移.针对该问题,结合增强语义与多注意力机制深度学习,设计一种端到端的相关滤波器网络RACFNet.由EDNet网络得到高级语义信息弥补单独低级特征表示的不足,同时加入通道和空间残差注意力机制,使网络能够对不同的跟踪对象提取出更具针对性的表观信息.在此基础上,通过添加相关滤波层并输出响应图最大值推测目标位置.在OTB-2013和OTB-2015基准测试集上的实验结果表明,RACFNet跟踪速度平均可达92帧/s,跟踪成功率较DCFNet分别提高8.20％和10.69％.

关键词：增强语义、注意力机制、相关滤波、傅里叶域计算、目标跟踪

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省自然科学基金

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：279-285