一种低参数的孪生卷积网络实时目标跟踪算法

摘要：

针对基于深度学习的目标跟踪算法模型参数多、难以部署于嵌入式设备上的问题,提出一种改进的孪生卷积网络实时目标跟踪算法.设计一个非对称卷积模块来构建整个网络框架,通过非对称卷积模块的压缩层减少模型参数量,利用非对称层进行特征融合,以在保证精度的同时压缩模型大小.使用三元组损失函数代替逻辑损失函数进行模型训练,在输入不变的情况下提取表达性更强的深度特征,从而完成目标跟踪任务并提高模型的跟踪精度.在GOT-10K、OTB100和VOT2016基准上对算法性能进行测试,结果表明,该算法能够将模型大小降为3.8×106,且速度与精度均优于SiamFC、KCF和DAT等跟踪算法.

关键词：目标跟踪、低参数模型、孪生卷积网络、实时性、非对称卷积、三元组损失

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：浙江大学CAD&CG国家重点实验室开放课题"基于深度学习的调制识别技术的研究"A1823

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：84-89