-
题名基于预判式学习更新策略孪生全卷积网络的目标跟踪
被引量：1
- 1
-
-
作者
卢盼成
丁勇
黄鑫城
-
机构
南京航空航天大学自动化学院
-
出处
《计算机应用与软件》
北大核心
2020年第12期169-176,共8页
-
文摘
针对孪生全卷积网络缺乏有效的模型更新策略,跟踪目标周围存在相似目标干扰容易出现跟踪丢失的问题,提出一种基于预判式学习更新策略孪生全卷积网络的目标跟踪算法。确定目标模板和搜索区域的直方图置信度估计;模拟学习率的自重启机制,由给定正确标注初始化学习模块;根据置信度估计决定预判式学习模块更新,实现跟踪目标和相似目标的有效区分。实验结果表明,该算法具有良好的跟踪效果,在满足实时性跟踪的基础上,具有很好的跟踪精度和成功率。
-
关键词
目标跟踪
深度学习
孪生全卷积网络
置信度估计
预判式学习
-
Keywords
Target tracking
Deep learning
Siamese full-convolution network
Confidence estimation
Prejudgment learning
-
分类号
TP394.41
[自动化与计算机技术—计算机应用技术]
-
-
题名孪生压缩激励全卷积网络的目标跟踪方法
被引量：3
- 2
-
-
作者
刘庆强
张福禄
张瑶瑶
张晨雨
-
机构
东北石油大学电气信息工程学院
东北石油大学计算机与信息技术学院
安徽农业大学经济管理学院
-
出处
《吉林大学学报（理学版）》
CAS
北大核心
2021年第2期325-332,共8页
-
基金
国家自然科学基金(批准号:61702093)
国家科技重大专项基金(批准号:2017ZX05019005-006)
黑龙江省自然科学基金(批准号:LH2019F004).
-
文摘
为提升目标跟踪的准确性并保证其实时性,提出一种基于改进孪生全卷积网络的新方法——孪生压缩激励全卷积网络(siamese squeeze and excitation fully convolutional networks,Siam-SEFC).Siam-SEFC通过添加具有少量参数的压缩激励网络结构融合空间通道信息,为跟踪对象添加空间信息,并通过调整训练数据尺度进行尺度不定的数据增强,提取多尺度特征,有效提升目标跟踪的准确性.为提升多尺度训练速度,网络采用单一尺度预训练的权重进行初始化.与MDNet,SENet,DAT三种算法相比,Siam-SEFC在保证目标跟踪准确性的同时具有实时性;而与Siamese-FC相比,Siam-SEFC跟踪准确性提升了2.2%,参数量仅增加1.01%,且未损失实时性,验证了改进方案的有效性.
-
关键词
目标跟踪
孪生全卷积网络
实时性
多尺度特征
数据增强
-
Keywords
target tracking
siamese fully convolutional networks
real-time
multi-scale feature
data enhancement
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名带旋转与尺度估计的全卷积孪生网络目标跟踪算法
被引量：2
- 3
-
-
作者
姬张建
任兴旺
-
机构
山西大学计算机与信息技术学院
山西大学大数据科学与产业研究院
-
出处
《计算机应用》
CSCD
北大核心
2021年第9期2705-2711,共7页
-
基金
国家自然科学基金青年科学基金资助项目(61602288,61703252,61702314)
山西省自然科学基金资助项目(201701D221102,201901D211176,201901D211170)。
-
文摘
针对目标跟踪任务中,全卷积孪生网络(SiamFC)跟踪算法存在因目标的旋转、尺度变化而造成跟踪错误或跟踪结果不准确的问题,提出一种带旋转与尺度估计的SiamFC跟踪算法。该算法由定位模块与旋转、尺度估计模块两部分组成。首先在定位模块中,利用SiamFC算法获得跟踪位置,并结合旋转与尺度信息对该位置进行调整;其次在旋转、尺度估计模块中,鉴于图像的旋转和尺度变化在对数极坐标系下变成了平移运动,将目标搜索区域从笛卡儿坐标系变换到对数极坐标系下,由此便可利用相关滤波技术估计待跟踪目标的尺度和旋转角度;最终实现了一个能同步估计目标位置、旋转角度以及尺度变化的目标跟踪模型。在对比实验中,该算法在OTB2015数据集上的成功率与准确率分别达到57.7%和81.4%;在包含目标旋转和尺度变化的POT数据集上的成功率与准确率分别达到51.8%和53.3%。与SiamFC算法相比,所提算法的成功率和准确率分别提高了13.5个百分点和13.4个百分点。实验结果表明,所提算法能有效应对目标旋转与尺度变化带来的跟踪挑战。
-
关键词
目标跟踪
全卷积孪生网络
相关滤波
对数极坐标
旋转
尺度
-
Keywords
object tracking
Fully-Convolutional Siamese networks(SiamFC)
correlation filtering
log-polar coordinate
rotation
scale
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于KL散度与通道选择的热红外目标跟踪算法
被引量：2
- 4
-
-
作者
吴捷
段艳艳
马小虎
-
机构
泰州职业技术学院信息技术学院
苏州大学计算机科学与技术学院
-
出处
《红外技术》
CSCD
北大核心
2023年第1期33-39,共7页
-
基金
国家自然科学基金(61402310)
江苏省自然科学基金(BK20141195)
泰州职业技术学院重点科研项目(1821819039)。
-
文摘
为了解决单一跟踪器无法有效应对复杂背景及目标外观的显著变化,对于热红外目标跟踪准确度不高的问题,基于全卷积孪生网络提出了一种多响应图集成的跟踪算法用于热红外跟踪。首先,使用预训练的卷积神经网络来提取热红外目标的多个卷积层的特征并进行通道选择,在此基础上分别构建3个对应的跟踪器,每个跟踪器独立执行跟踪并返回一个响应图。然后,利用Kullback–Leibler(KL)散度对多个响应图进行优化集成,得到一个更强的响应图。最后利用集成后的响应图来确定目标位置。为了评估所提算法的性能,在当前最全面的热红外跟踪基准LSOTB-TIR(Large-Scale Thermal Infrared ObjectTrackingBenchmark)上进行了实验。实验结果表明,所提算法能够适应复杂多样的红外跟踪场景,综合性能超过了现有的红外跟踪算法。
-
关键词
热红外
全卷积孪生网络
多响应图
通道选择
KL散度
-
Keywords
thermal infrared
fully-convolutional siamese network
multi response maps
channel selection
kullback-leibler divergence
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
