典型文献
结合交并比损失的孪生网络目标跟踪算法研究
文献摘要：
SiamRPN算法采用Ln范数损失训练边界框预测,未考虑预测框与真值框间交并比(inersection over union,IoU)的关系,导致准确性不足.针对该问题,提出一种结合IoU损失的SiamRPN目标跟踪改进算法.设计了 IoU-smooth L1范数联合优化模块,对候选正样本进行IoU损失与smooth L1范数损失的联合优化;依据回归预测结果,用预测框与真值框的IoU作为权重对正样本进行加权分类预测,增加正样本间的区分度,同时确保分类预测与回归预测的关联性.对比实验结果表明:本文所提改进算法能有效提升跟踪性能.
文献关键词：
机器视觉;目标跟踪;孪生网络;锚点框;交并比损失
中图分类号：
作者姓名：
周维;刘宇翔;廖广平;马鑫
作者机构：
湘潭大学计算机学院网络空间安全学院,湖南湘潭411105
文献出处：
引用格式：
[1]周维;刘宇翔;廖广平;马鑫-.结合交并比损失的孪生网络目标跟踪算法研究)[J].系统仿真学报,2022(09):1956-1967
A类：
inersection
B类：
交并比损失,孪生网络,目标跟踪算法,算法研究,SiamRPN,Ln,范数,边界框预测,真值,over,union,IoU,改进算法,smooth,L1,数联,联合优化,回归预测,分类预测,区分度,跟踪性能,机器视觉,锚点框
AB值：
0.366404
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。
