一种改进的基于孪生卷积神经网络的目标跟踪算法

摘要：

目标跟踪是计算机视觉的一个重要研究方向.为了对视频序列中单个目标进行准确定位和实时跟踪,本文采用孪生卷积神经网络解决深度神经网络模型更新不及时和训练数据不足的问题;同时在孪生卷积神经网络的特征提取子模块中加入SE-Net,先利用卷积层提取图像的空间特征信息,再利用特征通道间的相互依赖关系建模,强化有效通道特征,进一步提升网络的特征表征能力,从而提升特征提取的效果;最后通过区域推荐网络进行目标定位和边框微调.本文使用OTB2015数据集进行实验,以平均覆盖率和OPE方法作为评估标准,实验结果表明平均覆盖率为66.6% ,OPE准确率图和成功率图也均显示跟踪效果优于其他算法.

关键词：深度学习、目标跟踪、特征提取、计算机视觉、神经网络

所属期刊栏目：40

分类号：TP183/TP391(自动化基础理论)

资助基金：国家"九七三"重点基础研究发展计划项目2005CB321901

在线出版日期：2020-01-06（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：2686-2690