典型文献
基于二阶池化特征融合的孪生网络目标跟踪算法
文献摘要：
为提升基于孪生网络目标跟踪算法的特征表达能力,获得更好的跟踪性能,提出了一种轻量级的基于二阶池化特征融合的孪生网络目标跟踪算法.首先,使用孪生网络结构获取目标的深度特征;然后,在孪生网络结构的末端并行添加二阶池化网络和轻量级通道注意力,以获取目标的二阶池化特征和通道注意力特征;最后,将目标的深度特征、二阶池化特征和通道注意力特征进行融合,使用融合后的特征进行互相关操作,得到地响应图能很好地区分目标和背景,提高跟踪模型的判别能力,改善目标定位的精度,从而提升跟踪性能.所提算法使用Got-10k数据集进行端到端的训练,并在数据集OTB100和VOT2018上进行验证.实验结果表明,所提算法与基准算法相比,跟踪性能取得了显著提升:在OTB100数据集上,精确度和成功率分别提高了 7.5％和5.2％;在VOT2018数据集上,预期平均重叠率(EAO)提高了 4.3％.
文献关键词：
目标跟踪;孪生网络;二阶池化网络;通道注意力
中图分类号：
作者姓名：
陈茂林;侯志强;余旺盛;马素刚;蒲磊
作者机构：
西安邮电大学计算机学院,西安,710121;西安邮电大学陕西省网络数据分析与智能处理重点实验室,西安,710121;空军工程大学信息与导航学院,西安,710077;火箭军工程大学作战保障学院,西安,710025
文献出处：
引用格式：
[1]陈茂林;侯志强;余旺盛;马素刚;蒲磊-.基于二阶池化特征融合的孪生网络目标跟踪算法)[J].空军工程大学学报,2022(03):68-74
A类：
二阶池化网络,Got
B类：
特征融合,孪生网络,目标跟踪算法,特征表达,表达能力,跟踪性能,轻量级,深度特征,通道注意力,互相关操作,响应图,目标定位,10k,端到端,OTB100,VOT2018,能取,重叠率,EAO
AB值：
0.237421
相似文献
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。
