基于注意力机制的特征融合孪生网络目标跟踪算法
石健彤,王瑜,毕玉,肖洪兵,孙梅
北京工商大学
2024-08-22
提出一种基于注意力机制的特征融合孪生网络目标跟踪算法。针对目标跟踪算法特征提取网络深度较浅导致特征鲁棒性不足的问题,使用改进后的ResNet—50 网络提取模板帧和搜索帧图像的深层和浅层特征,并利用通道和空间注意力机制对提取得到的深浅层特征进行融合。针对目标跟踪算法仅使用首帧图像作为模板导致模板失效、跟踪漂移等问题,在传统孪生网络中增加一条模板分支以将首帧和搜索帧前一帧图像共同作为目标模板。与传统经典的跟踪方法相比,提出的算法在OTB100和VOT2016数据集的相关实验获得了最佳的性能表现,验证了提出算法的有效性和可行性
  • 算法
  • 孪生
被引用: 128次
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录
  • 引言

  • 1、算法实现

    • 1.1 基础算法

    • 1.2 提出算法的网络整体架构

    • 1.3 双模板策略

    • 1.4 骨干网络

    • 1.5 注意力特征融合模块

  • 2、实验结果与分析

    • 2.1 OTB100数据集实验

    • 2.2 VOT2016数据集实验

  • 3、结束语

核心点推荐
  • 目标跟踪
  • 孪生网络
  • 特征提取
  • 特征融
  • 注意力机制