基于孪生区域候选网络的目标跟踪模型

• 作者: 王冠 耿明洋 马勃檀 高逸伦 宫俊
• 来源期刊: 小型微型计算机系统
• 关键词: 深度学习 孪生网络 目标跟踪 区域候选网络 注意力机制
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图形与图像技术|Graphics and Image Technology
• 页码范围: 755-760
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.04.014

摘要

为了解决被跟踪目标因尺度、形状变化导致的跟踪效果变差的问题,本文提出一种基于孪生区域候选网络的目标跟踪模型,对孪生区域候选网络(SiamRPN)优化,升级特征提取基准网络,采取多层特征融合模式,引入注意力机制模块增强位置特性和通道特性,并应用检测领域提出的GA-RPN替换原有的RPN(区域候选网络).OTB2015和VOT2018数据集的实验结果显示,本文模型对OTB2015数据集成功率为0.678,准确率为0.882,与SiamRPN相比分别提高了3.7％,6.2％;对VOT2018数据集检测帧率为31FPS,平均重叠期望为0.402,与SiamRPN相比提高了4.9％,测试结果表明本文模型具备较高的跟踪精度和较强的抗干扰性,满足实时性需求.