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:
基于深度学习的目标跟踪算法由于其良好的性能已经成为目标跟踪领域的主流算法之一.其核心思想是进行前后帧的相似性学习从而完成模板帧与搜索帧的匹配.其中,相似性学习是影响跟踪算法性能的关键一环.以孪生网络的相似性学习为切入点,对现有的深度互相关(DW-XCorr)的相似性学习方式进行改进,提出了一种多尺度相似性学习的目标跟踪算法.该算法在SiamRPN的基础网络框架下,构造多尺度互相关(Multi-Scale Cross Correlation,MS-XCorr)模块,对原有的互相关操作进行多尺度的改进,从而增加学习特征尺度的多样性,提高了跟踪网络相似性学习的效率,最终使得算法跟踪性能有进一步提升.在实验部分,将改进后的算法与其基线进行了对比实验,该算法在成功率(Success Rate)、精度(Precision)及平均精度(Norm Precision)上均有提升,成功率提高了 4.3%,精度提高了 4.4%,平均精度提高了 4.0%.实验表明,多尺度互相关模块相较于深度互相关模块具有更强的相似性学习能力,提出的多尺度相似性学习的目标跟踪算法在目标光照、形态变化、遮挡以及干扰等复杂场景下具有更好的跟踪性能.
推荐文章
一种支持不同时间尺度的视频相似性匹配算法
基于内容的视频检索
时间尺度
子片段
动态规划
最优匹配
一种新的多尺度边缘跟踪算法及其应用
边缘跟踪
多尺度边缘图像
梯度方向图
多尺度Sobel方法
滞后阈值处理
一种混合的多机动目标跟踪算法研究
模糊聚类
多机动目标跟踪
交互多模型
联合概率数据关联
多尺度地图相似性度量方法浅析
多尺度
地图
相似性
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 一种多尺度相似性学习的目标跟踪算法研究
来源期刊 光学与光电技术 学科 工学
关键词 深度学习 目标跟踪 相似性学习 多尺度互相关
年,卷(期) 2022,(1) 所属期刊栏目 图像与信号处理|Image and Signal Processing
研究方向 页码范围 70-76
页数 7页 分类号 TP391
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
深度学习
目标跟踪
相似性学习
多尺度互相关
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
光学与光电技术
双月刊
1672-3392
42-1696/O3
大16开
武汉市阳光大道717号
38-335
2003
chi
出版文献量(篇)
2142
总下载数(次)
3
总被引数(次)
9791
论文1v1指导