10.3778/j.issn.1002-8331.2102-0098
基于无锚点机制与在线更新的目标跟踪算法
SiamRPN这种基于锚点机制的跟踪算法对目标尺度变化、剧烈形变以及旋转等问题鲁棒性不强,针对此问题提出了一种基于无锚点机制与在线更新的目标跟踪算法.提出了一种多层融合的特征提取网络,该网络能充分利用图像的结构与语义信息;采用了一种无锚点机制,使网络能够直接预测出目标区域内采样点到目标区域边界的值,有效避免了锚点机制的相关缺点;在主干网络的基础上添加了在线更新模块,利用最新的跟踪结果进行在线训练,使算法能更好地预测未在训练集中出现的目标,并进一步适应目标的变化.相较于SiamRPN算法,改进算法在OTB100数据集上,成功率与准确率分别提高了0.062与0.065,对目标的尺度变化,剧烈形变以及旋转等问题表现出了更好的鲁棒性.
多层特征融合;无锚点机制;在线更新;孪生神经网络
57
TP391.4(计算技术、计算机技术)
国家电网有限公司科技项目5400-201917455A-0-0-00
2021-10-29(万方平台首次上网日期,不代表论文的发表时间)
共11页
210-220