基于Tiny Darknet全卷积孪生网络的目标跟踪

• 作者: 史璐璐 吴晓富 张索非
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 目标跟踪 孪生网络 深度卷积神经网络 轻量级
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 89-95
• 页数: 7页
• 分类号: TP391.4
• 字数: 4588字
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2018.04.013

摘要

全卷积孪生网络目标跟踪利用训练深度卷积网络,预先离线学习的方法解决通常相似性学习的问题,可以在线跟踪任意目标.针对基于全卷积孪生网络的目标跟踪,文中提出了一种基于TinyDarknet全卷积孪生网络的目标跟踪器.首先,基于Tiny Darknet重新设计孪生网络目标跟踪框架;框架对输入的目标模板图像和搜索图像进行特征提取,通过互相关方法计算特征间的相似度,根据相似度得分确定目标的位置与尺度.然后,在该孪生网络目标跟踪框架的基础上,对Tiny Darknet 的网络结构本身进行调整,以适应输入、输出尺寸.最终实验结果表明,基于Tiny Darknet全卷积孪生网络的目标跟踪相比原始的AlexNet全卷积孪生网络在保证跟踪准确性几乎不变的同时更加轻量级,帧速提高了30％,实时性更佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张索非	南京邮电大学物联网学院	16	61	4.0	7.0
2	吴晓富	南京邮电大学通信与信息工程学院	25	57	5.0	6.0
3	史璐璐	南京邮电大学通信与信息工程学院	1	5	1.0	1.0