融合注意力特征的无锚框视觉目标跟踪方法
目标跟踪作为计算机视觉领域的一个重要分支,在智能视频监控、人机交互和自动驾驶等诸多领域具有很高的研究价值.尽管目标跟踪近年来已取得较好的发展,但在复杂跟踪环境下,遮挡、目标形变、光照变化等因素仍会导致跟踪精度下降,跟踪性能不稳定.因此,提出了一种融合注意力特征的无锚框视觉目标跟踪方法(Anchor-Free obj ect Tracking Method,AFTM).首先,在分类和回归过程中构建自适应生成的注意力权重因子组,实现了一种高效的自适应响应图融合策略,提高了目标定位和边界框尺度计算的准确性;其次,针对数据集中样本类别不均衡的现象,使用可动态缩放的交叉熵损失作为目标定位网络的损失函数,修正模型的优化方向,使跟踪性能更加稳定可靠;最后,设计相应的学习率调整策略,对一定数量的模型进行随机权重平均,增强模型的泛化能力.公开数据集上的实验结果表明,在复杂跟踪环境下,AFTM具有更高的精度和更稳定的跟踪效果.
深度学习、目标跟踪、孪生网络、无锚框、注意力机制
50
TP391.41(计算技术、计算机技术)
国家重点研发计划;天津市滨海新区合作共建研发平台科技项目
2023-02-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
138-146