基于增强语义与多注意力机制学习的深度相关跟踪

• 作者: 周双双 宋慧慧 张开华 樊佳庆
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 增强语义 注意力机制 相关滤波 傅里叶域计算 目标跟踪
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 图形图像处理
• 页码范围: 279-285
• 页数: 7页
• 分类号: TP391
• 字数: 4174字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053954

摘要

在基准可判别相关滤波器网络(DCFNet)目标跟踪过程中,遮挡和运动模糊情况会导致目标发生漂移.针对该问题,结合增强语义与多注意力机制深度学习,设计一种端到端的相关滤波器网络RACFNet.由EDNet网络得到高级语义信息弥补单独低级特征表示的不足,同时加入通道和空间残差注意力机制,使网络能够对不同的跟踪对象提取出更具针对性的表观信息.在此基础上,通过添加相关滤波层并输出响应图最大值推测目标位置.在OTB-2013和OTB-2015基准测试集上的实验结果表明,RACFNet跟踪速度平均可达92帧/s,跟踪成功率较DCFNet分别提高8.20％和10.69％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周双双	南京信息工程大学自动化学院	1	0	0.0	0.0
5	宋慧慧	南京信息工程大学自动化学院	5	3	1.0	1.0
9	张开华	南京信息工程大学自动化学院	4	0	0.0	0.0
13	樊佳庆	南京信息工程大学自动化学院	3	0	0.0	0.0