区域损失函数的孪生网络目标跟踪

• 作者: 吴贵山 杨文元 林淑彬 钟江华
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 计算机视觉 目标跟踪 区域损失 深度特征 孪生网络 卷积神经网络 反向传播 VGG网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 机器学习
• 页码范围: 722-731
• 页数: 10页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11992/tis.201910005

摘要

针对预训练卷积神经网络提取的深度特征空间分辨率低,快速运动造成运动目标空间细节信息丢失等问题,提出用区域损失函数构建孪生网络的目标跟踪,进一步降低深度特征通道之间的冗余性,并减少高层信息丢失.利用线下预训练的VGG-16卷积神经网络提取深度特征,构成初始深度特征空间.通过区域损失函数构建特征和尺度选择网络,根据反向传播的梯度大小进行特征选择.对筛选后的特征进行拼接,融入到孪生网络中匹配跟踪.在OTB-2013、OTB-2015、VOT2016、TempleColor数据集上与其他算法对比.实验结果表明,该算法在快速运动、低分辨率等场景中表现出较好的跟踪精度和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨文元		14	33	3.0	5.0
2	林淑彬		6	0	0.0	0.0
3	吴贵山		2	0	0.0	0.0
4	钟江华		1	0	0.0	0.0