典型文献
引入轻量注意力的孪生神经网络目标跟踪算法
文献摘要：
针对目标跟踪算法在各种场景下很难做到准确率和实时性平衡的问题,提出了一种引入轻量注意力的孪生神经网络(siamese neural network)目标跟踪算法,称为SiamNL.SiamNL算法使用基于深度级卷积(depth-wise convolution)的交叉相关运算,降低了网络的参数量和运算量,提升了算法的实时性.同时,SiamNL使用Non-Local注意力网络编码模板图特征和搜索图特征,对特征进行了自注意力和互注意力的运算,有效提升了算法的准确率.在VOT2016、VOT2018、OTB100等公开数据集上的测试结果表明,SiamNL算法优于主流的目标跟踪算法,更有效地平衡了准确率和实时性.
文献关键词：
目标跟踪;孪生神经网络;轻量注意力;实时性
中图分类号：
作者姓名：
洪培钦;罗灵鲲;刘冰;方元;胡士强
作者机构：
上海交通大学 航空航天学院,上海 200240;中国航空无线电电子研究所,上海 200241
文献出处：
引用格式：
[1]洪培钦;罗灵鲲;刘冰;方元;胡士强-.引入轻量注意力的孪生神经网络目标跟踪算法)[J].计算机工程与应用,2022(12):112-121
A类：
轻量注意力,SiamNL
B类：
孪生神经网络,目标跟踪算法,siamese,neural,network,depth,wise,convolution,交叉相关,参数量,运算量,Non,Local,注意力网络,网络编码,板图,搜索图,自注意力,VOT2016,VOT2018,OTB100,公开数据集,地平
AB值：
0.339959
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。
