典型文献
应用GhostNet卷积特征的ECO目标跟踪算法改进
文献摘要：
为了减少有效卷积算子(ECO)跟踪算法的特征提取网络参数量和计算量,采用了一种基于端侧神经网络(GhostNet)改进的ECO目标跟踪算法.首先,采用GhostNet网络作为主干特征提取网络提取图像浅层与深层的卷积特征,运用全局平均池化对卷积特征下采样增加特征对图像的表征能力;其次,将卷积特征与手工特征插值后,与当前滤波器在傅里叶域进行卷积计算实现目标定位;最后,采用共轭梯度算法优化响应误差与惩罚项之和的损失函数实现滤波器更新.在上述提出的算法和OTB2015与VOT2018数据集上进行了理论分析和实验验证,取得了目标跟踪的对比实验数据.结果表明,相对于基于ResNet特征提取网络的ECO算法,该算法在实现高精度跟踪时,卷积特征提取过程计算量减少了95.75％,参数量减少了79.69％,跟踪过程速度提升了160％.这些结果为轻量级目标跟踪算法的研究提供了参考.
文献关键词：
图像处理;目标跟踪;端侧神经网络;有效卷积算子;全局平均池化;卷积特征
中图分类号：
作者姓名：
刘超军;段喜萍;谢宝文
作者机构：
哈尔滨师范大学 计算机科学与信息工程学院,哈尔滨150025
文献出处：
引用格式：
[1]刘超军;段喜萍;谢宝文-.应用GhostNet卷积特征的ECO目标跟踪算法改进)[J].激光技术,2022(02):239-247
A类：
有效卷积算子,端侧神经网络
B类：
GhostNet,ECO,目标跟踪算法,算法改进,网络参数,参数量,计算量,主干特征提取网络,全局平均池化,下采样,加特,表征能力,手工特征,滤波器,傅里叶域,行卷,卷积计算,实现目标,目标定位,共轭梯度算法,算法优化,损失函数,OTB2015,VOT2018,ResNet,卷积特征提取,轻量级
AB值：
0.273323
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。
