典型文献
基于视觉Transformer的双流目标跟踪算法
文献摘要：
目前基于Transformer的目标跟踪算法主要利用Transformer来融合深度卷积特征,忽略了Transformer在特征提取和解码预测方面的能力.针对上述问题,提出一种基于视觉Transformer的双流目标跟踪算法.引入基于注意力机制的Swin Transformer进行特征提取,通过移位窗口进行全局信息建模.使用Transformer编码器对目标特征和搜索区域特征进行充分融合,使用解码器学习目标查询中的位置信息.分别对编解码器中的双流信息进行目标预测.在决策层面上进一步地加权融合得到最终跟踪结果,并使用多监督策略.该算法在LaSOT、TrackingNet、UAV123和NFS四个具有挑战性的大规模跟踪数据集上取得了先进的结果,分别达到67.4％、80.9％、68.6％和66.0％的成功率曲线下面积,展示了其强大的潜力.此外,由于避免了复杂的后处理步骤,能够端到端进行目标跟踪,跟踪速度可达42 FPS.
文献关键词：
目标跟踪;深度学习;孪生网络;Transformer;注意力机制
中图分类号：
作者姓名：
江英杰;宋晓宁
作者机构：
江南大学 人工智能与计算机学院,江苏 无锡 214122
文献出处：
引用格式：
[1]江英杰;宋晓宁-.基于视觉Transformer的双流目标跟踪算法)[J].计算机工程与应用,2022(12):183-190
A类：
B类：
Transformer,双流,目标跟踪算法,深度卷积特征,注意力机制,Swin,移位,全局信息,信息建模,编码器,目标特征,区域特征,充分融合,学习目标,位置信息,编解码器,流信息,决策层,加权融合,多监督,监督策略,LaSOT,TrackingNet,UAV123,NFS,功率曲线,端到端,FPS,孪生网络
AB值：
0.41662
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。
