10.3969/j.issn.1000-1220.2021.04.014
基于孪生区域候选网络的目标跟踪模型
为了解决被跟踪目标因尺度、形状变化导致的跟踪效果变差的问题,本文提出一种基于孪生区域候选网络的目标跟踪模型,对孪生区域候选网络(SiamRPN)优化,升级特征提取基准网络,采取多层特征融合模式,引入注意力机制模块增强位置特性和通道特性,并应用检测领域提出的GA-RPN替换原有的RPN(区域候选网络).OTB2015和VOT2018数据集的实验结果显示,本文模型对OTB2015数据集成功率为0.678,准确率为0.882,与SiamRPN相比分别提高了3.7%,6.2%;对VOT2018数据集检测帧率为31FPS,平均重叠期望为0.402,与SiamRPN相比提高了4.9%,测试结果表明本文模型具备较高的跟踪精度和较强的抗干扰性,满足实时性需求.
深度学习、孪生网络、目标跟踪、区域候选网络、注意力机制
42
TP391(计算技术、计算机技术)
国家自然科学基金项目61773104
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
755-760