一种低参数的孪生卷积网络实时目标跟踪算法

• 作者: 罗朔 侯进 谭光鸿 韩雁鹏
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 目标跟踪 低参数模型 孪生卷积网络 实时性 非对称卷积 三元组损失
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 84-89
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057076

摘要

针对基于深度学习的目标跟踪算法模型参数多、难以部署于嵌入式设备上的问题,提出一种改进的孪生卷积网络实时目标跟踪算法.设计一个非对称卷积模块来构建整个网络框架,通过非对称卷积模块的压缩层减少模型参数量,利用非对称层进行特征融合,以在保证精度的同时压缩模型大小.使用三元组损失函数代替逻辑损失函数进行模型训练,在输入不变的情况下提取表达性更强的深度特征,从而完成目标跟踪任务并提高模型的跟踪精度.在GOT-10K、OTB100和VOT2016基准上对算法性能进行测试,结果表明,该算法能够将模型大小降为3.8×106,且速度与精度均优于SiamFC、KCF和DAT等跟踪算法.