典型文献
基于多分支注意力孪生网络的目标跟踪算法
文献摘要：
目标跟踪在计算机视觉任务中有重要的意义.近年来随着深度学习的发展,基于孪生网络的目标跟踪算法因其优异的性能而被广泛应用.然而,现有基于孪生网络的跟踪算法在目标发生较大形变、低分辨率、复杂背景等情况下的跟踪性能通常会显著下降.为此,文中提出了一种基于多分支注意力孪生网络的目标跟踪算法.该算法首先构建了超分辨率模块和数据增强模块,分别对目标模板进行超分辨率和数据增强,提升目标模板的特征表征能力;然后利用3个主干网络分别提取原始目标模板、超分辨率目标模板和数据增强目标模板的特征,并进行特征融合,同时在主干网络中应用了通道注意力模块和空间注意力模块,以提升特征提取能力;最后,将融合后的特征图与待搜索区域的特征图输入区域生成网络模块,得到目标跟踪信息.实验结果表明,该算法在OTB100数据集上的精确率为0.919、成功率为0.707,在VOT2018数据集上的准确率为0.642、鲁棒性为0.149,在实际场景中的运行速度每秒至少20次,说明该算法具有优异的跟踪性能,并且在各种复杂场景下都具有良好的鲁棒性.
文献关键词：
目标跟踪;孪生网络;超分辨率;数据增强;注意力模块
中图分类号：
作者姓名：
余陆斌;田联房;杜启亮
作者机构：
华南理工大学 自动化科学与工程学院,广东 广州 510640;工业和信息化部电子第五研究所,广东 广州 511370;南方海洋科学与工程广东实验室,广东 珠海 519000;华南理工大学 自主系统与网络控制教育部重点实验室,广东 广州 510640;华南理工大学 中新国际联合研究院,广东 广州 510555
文献出处：
引用格式：
[1]余陆斌;田联房;杜启亮-.基于多分支注意力孪生网络的目标跟踪算法)[J].华南理工大学学报（自然科学版）,2022(12):30-40
A类：
B类：
多分支注意力,孪生网络,目标跟踪算法,计算机视觉,视觉任务,法因,低分辨率,复杂背景,跟踪性能,超分辨率,数据增强,提升目标,表征能力,主干网络,特征融合,通道注意力模块,空间注意力,特征提取能力,特征图,输入区,生成网络,跟踪信息,OTB100,精确率,VOT2018,运行速度,每秒,复杂场景
AB值：
0.290233
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
