期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
应用GhostNet卷积特征的ECO目标跟踪算法改进
被引量：
7
1
作者
刘超军
段喜萍
谢宝文
《激光技术》
CAS
CSCD
北大核心
2022年第2期239-247,共9页
为了减少有效卷积算子(ECO)跟踪算法的特征提取网络参数量和计算量,采用了一种基于端侧神经网络(GhostNet)改进的ECO目标跟踪算法。首先,采用GhostNet网络作为主干特征提取网络提取图像浅层与深层的卷积特征,运用全局平均池化对卷积特...
为了减少有效卷积算子(ECO)跟踪算法的特征提取网络参数量和计算量,采用了一种基于端侧神经网络(GhostNet)改进的ECO目标跟踪算法。首先,采用GhostNet网络作为主干特征提取网络提取图像浅层与深层的卷积特征,运用全局平均池化对卷积特征下采样增加特征对图像的表征能力;其次,将卷积特征与手工特征插值后,与当前滤波器在傅里叶域进行卷积计算实现目标定位;最后,采用共轭梯度算法优化响应误差与惩罚项之和的损失函数实现滤波器更新。在上述提出的算法和OTB2015与VOT2018数据集上进行了理论分析和实验验证,取得了目标跟踪的对比实验数据。结果表明,相对于基于ResNet特征提取网络的ECO算法,该算法在实现高精度跟踪时,卷积特征提取过程计算量减少了95.75%,参数量减少了79.69%,跟踪过程速度提升了160%。这些结果为轻量级目标跟踪算法的研究提供了参考。
展开更多
关键词
图像处理
目标跟踪
端侧神经网络
有效卷积算子
全局平均池化
卷积
特征
在线阅读
下载PDF
职称材料
题名
应用GhostNet卷积特征的ECO目标跟踪算法改进
被引量：
7
1
作者
刘超军
段喜萍
谢宝文
机构
哈尔滨师范大学计算机科学与信息工程学院
出处
《激光技术》
CAS
CSCD
北大核心
2022年第2期239-247,共9页
基金
哈尔滨师范大学博士启动基金资助项目(XKB201906)
哈尔滨师范大学研究生实践创新基金资助项目(HSDSSCX2020-59)。
文摘
为了减少有效卷积算子(ECO)跟踪算法的特征提取网络参数量和计算量,采用了一种基于端侧神经网络(GhostNet)改进的ECO目标跟踪算法。首先,采用GhostNet网络作为主干特征提取网络提取图像浅层与深层的卷积特征,运用全局平均池化对卷积特征下采样增加特征对图像的表征能力;其次,将卷积特征与手工特征插值后,与当前滤波器在傅里叶域进行卷积计算实现目标定位;最后,采用共轭梯度算法优化响应误差与惩罚项之和的损失函数实现滤波器更新。在上述提出的算法和OTB2015与VOT2018数据集上进行了理论分析和实验验证,取得了目标跟踪的对比实验数据。结果表明,相对于基于ResNet特征提取网络的ECO算法,该算法在实现高精度跟踪时,卷积特征提取过程计算量减少了95.75%,参数量减少了79.69%,跟踪过程速度提升了160%。这些结果为轻量级目标跟踪算法的研究提供了参考。
关键词
图像处理
目标跟踪
端侧神经网络
有效卷积算子
全局平均池化
卷积
特征
Keywords
image processing
target tracking
GhostNet
efficient convolution operators
global average pooling
convolution feature
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用GhostNet卷积特征的ECO目标跟踪算法改进
刘超军
段喜萍
谢宝文
《激光技术》
CAS
CSCD
北大核心
2022
7
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
