基于预判式学习更新策略孪生全卷积网络的目标跟踪

• 作者: 丁勇 卢盼成 黄鑫城
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 目标跟踪 深度学习 孪生全卷积网络 置信度估计 预判式学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 169-176
• 页数: 8页
• 分类号: TP394.41
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.12.027

摘要

针对孪生全卷积网络缺乏有效的模型更新策略,跟踪目标周围存在相似目标干扰容易出现跟踪丢失的问题,提出一种基于预判式学习更新策略孪生全卷积网络的目标跟踪算法.确定目标模板和搜索区域的直方图置信度估计;模拟学习率的自重启机制,由给定正确标注初始化学习模块;根据置信度估计决定预判式学习模块更新,实现跟踪目标和相似目标的有效区分.实验结果表明,该算法具有良好的跟踪效果,在满足实时性跟踪的基础上,具有很好的跟踪精度和成功率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁勇		38	271	8.0	15.0
2	黄鑫城		6	6	2.0	2.0
3	卢盼成		2	0	0.0	0.0