引入全局上下文特征模块的DenseNet孪生网络目标跟踪

• 作者: 刘力铭 殷旺 王耀南 谭建豪
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 目标跟踪 孪生网络 全局上下文特征 DenseNet网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 论文
• 页码范围: 179-186
• 页数: 8页
• 分类号: TN911.73|TP391.41
• 语种: 中文
• DOI: 10.11999/JEIT190788

摘要

近年来,采用孪生网络提取深度特征的方法由于其较好的跟踪精度和速度,成为目标跟踪领域的研究热点之一,但传统的孪生网络并未提取目标较深层特征来保持泛化性能,并且大多数孪生网络只提取局部领域特征,这使得模型对于外观变化是非鲁棒和局部的.针对此,该文提出一种引入全局上下文特征模块的DenseNet孪生网络目标跟踪算法.该文创新性地将DenseNet网络作为孪生网络骨干,采用一种新的密集型特征重用连接网络设计方案,在构建更深层网络的同时减少了层之间的参数量,提高了算法的性能,此外,为应对目标跟踪过程中的外观变化,该文将全局上下文特征模块(GC-Model)嵌入孪生网络分支,提升算法跟踪精度.在VOT2017和OTB50数据集上的实验结果表明,与当前较为主流的算法相比,该文算法在跟踪精度和鲁棒性上有明显优势,在尺度变化、低分辨率、遮挡等情况下具有良好的跟踪效果,且达到实时跟踪要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王耀南		624	12897	53.0	86.0
2	谭建豪		54	330	12.0	15.0
3	殷旺		2	0	0.0	0.0
4	刘力铭		3	0	0.0	0.0