基于双孪生网络的自适应选择跟踪系统

摘要：

孪生网络在解决目标跟踪问题时具有较大的速度和精度优势,在跟踪领域得到广泛应用.双孪生网络由独立的语义和外观2个分支组成,每个分支都是一个相似学习的孪生网络,解决了原孪生网络精度不足的问题,但其每个分支独立训练,导致系统速度较低.为此,在双孪生网络的基础上提出一种自适应选择跟踪系统ASTS.在测试过程中,简单帧时自动停止网络向前传播,快速判断目标所在位置,从而提高系统的跟踪速度.复杂帧时2个分支相互协调以准确跟踪目标.在OTB2013/50/100和VOT2017数据集上的实验结果表明,相对于固定的双孪生网络目标跟踪方法,ASTS系统具有更快的速度和更高的跟踪准确率.

关键词：卷积神经网络、目标跟踪、孪生网络、语义信息、自适应选择

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年基金项目“基于深度神经网络的实体关系抽取关键技术研究”61602059

在线出版日期：2020-07-07（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：103-107