高帧率的轻量级孪生网络目标跟踪

摘要：

随着目标跟踪在众多生活场景的广泛运用,高精度且高速的跟踪算法需求也日益增多.针对某些特定场景如移动端、嵌入式等设备,在设备算力相对不足的前提下,仍要保证跟踪器达到良好的跟踪精度和高速实时跟踪问题,提出一种高帧率的轻量级孪生网络目标跟踪算法.首先,选取易于部署在嵌入式设备中的轻量级卷积神经网络MobileNetV1作为特征提取网络,深层网络具有对目标特征强大的提取能力;接着,针对主干网络的不足提出两点优化策略,特征图裁剪和网络总步长调整,使得主干网络适用于跟踪任务;最后,在孪生网络的模板分支后添加超轻量级通道注意力模块,加权突出目标特征的重要信息.对比当前主流算法SiamFC,该算法参数量减少59.8％;在OTB2015数据集上仿真实验表明,跟踪精度提升了5.4％,算法能更好地应对跟踪任务中复杂多变的挑战;在VOT2018数据集上的仿真实验表明,综合指标平均重叠期望(EAO)提升了26.6％,同时算法在NVIDIA GTX1080Ti下的平均速度为120 frame/s,达到高帧率实时跟踪.

关键词：目标跟踪、MobileNet、孪生网络、通道注意力机制

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1405-1416