基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为改进在发生形变、尺度变化及相似目标等多种干扰因素时视频中运动目标的跟踪精度,提出了一种联合注意力的孪生网络模型.首先,采用一种轻量级网络MobileNetV3作为主干网络对目标进行特征提取;然后,为提高模型对于目标关键特征的关注度,提出了通道联合空间注意力与孪生阿络结合的模型结构;最后,对基于注意力模块与非注意力模块的特征向量互相关结果进行加权融合获得响应图,并利用该响应图获得目标跟踪结果.实验结果表明,所提算法在OTB50与OTB 100数据集上能够获得较好的跟踪效果,两个数据集平均精确率和成功率达到78.5%和58.3%.此外,当存在形变、尺度变化及相似目标等不合作因素时,所提算法仍能取得较好的跟踪效果,从而表明该算法具有良好的鲁棒性.
推荐文章
基于注意力机制的全景分割网络
全景分割
背景类实例重叠
三重态注意力机制
语义增强注意力机制
结合注意力与特征融合的目标跟踪
目标跟踪
孪生网络
特征融合
注意力机制
判别力特征
基于工厂数据的注意力LSTM网络辨识方法
化工过程建模
系统辨识
非线性动态模型
长短时记忆
数字化虚拟装置
联合注意力机制与目标点信息的车辆轨迹预测
自动驾驶
轨迹预测
深度学习
门控循环单元
注意力机制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于联合注意力孪生网络目标跟踪算法
来源期刊 仪器仪表学报 学科
关键词 目标跟踪 孪生网络 联合注意力 MobileNetV3
年,卷(期) 2021,(1) 所属期刊栏目 视觉检测与图像测量|Visual inspection and Image Measurement
研究方向 页码范围 127-136
页数 10页 分类号 TP391.4|TH865
字数 语种 中文
DOI 10.19650/j.cnki.cjsi.J2006906
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (29)
共引文献  (1)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(7)
  • 参考文献(2)
  • 二级参考文献(5)
2016(7)
  • 参考文献(0)
  • 二级参考文献(7)
2017(6)
  • 参考文献(1)
  • 二级参考文献(5)
2018(3)
  • 参考文献(1)
  • 二级参考文献(2)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
目标跟踪
孪生网络
联合注意力
MobileNetV3
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
仪器仪表学报
月刊
0254-3087
11-2179/TH
大16开
北京市东城区北河沿大街79号
2-369
1980
chi
出版文献量(篇)
12507
总下载数(次)
27
总被引数(次)
146776
论文1v1指导