| 引入全局上下文特征模块的DenseNet孪生网络目标跟踪 |
| |
| 引用本文： | 谭建豪,殷旺,刘力铭,王耀南.引入全局上下文特征模块的DenseNet孪生网络目标跟踪[J].电子与信息学报,2022,43(1):179-186. |
| |
| 作者姓名： | 谭建豪 殷旺 刘力铭 王耀南 |
| |
| 作者单位： | 湖南大学电气与信息工程学院 长沙 410082;机器人视觉感知与控制技术国家工程实验室 长沙 410082 |
| |
| 摘 要： | 近年来,采用孪生网络提取深度特征的方法由于其较好的跟踪精度和速度,成为目标跟踪领域的研究热点之一,但传统的孪生网络并未提取目标较深层特征来保持泛化性能,并且大多数孪生网络只提取局部领域特征,这使得模型对于外观变化是非鲁棒和局部的.针对此,该文提出一种引入全局上下文特征模块的DenseNet孪生网络目标跟踪算法.该文创新性地将DenseNet网络作为孪生网络骨干,采用一种新的密集型特征重用连接网络设计方案,在构建更深层网络的同时减少了层之间的参数量,提高了算法的性能,此外,为应对目标跟踪过程中的外观变化,该文将全局上下文特征模块(GC-Model)嵌入孪生网络分支,提升算法跟踪精度.在VOT2017和OTB50数据集上的实验结果表明,与当前较为主流的算法相比,该文算法在跟踪精度和鲁棒性上有明显优势,在尺度变化、低分辨率、遮挡等情况下具有良好的跟踪效果,且达到实时跟踪要求.
|
| 关 键 词： | 目标跟踪 孪生网络 全局上下文特征 DenseNet网络 |
DenseNet-siamese Network with Global Context Feature Module for Object Tracking |
| |
| TAN Jianhao,YIN Wang,LIU Liming,WANG Yaonan.DenseNet-siamese Network with Global Context Feature Module for Object Tracking[J].Journal of Electronics & Information Technology,2022,43(1):179-186. |
| |
| Authors: | TAN Jianhao YIN Wang LIU Liming WANG Yaonan |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
