融合层次特征和混合注意力的跟踪算法

作者：朱文球; 邹广; 曾志高

来源：计算机应用, 2021, 1-14.

• 目标跟踪
• 深度卷积神经网络
• 层次特征融合
• 注意力机制
• 孪生网络

目标跟踪任务中，全卷积孪生网络的目标跟踪（SiamFC）算法在处理目标遮挡、光照变化等场景时会表现出鲁棒性较差、丢失跟踪目标等问题。为此，提出一种结合注意力机制和特征融合的目标跟踪算法。首先，所提算法改用ResNet50（Deep Residual Network）作为主干网络提取更充分的目标特征；其次，结合注意力机制对特征进行筛选，将筛选后的低层模板特征与高层模板特征分别同对应搜索特征做互相关操作后进行自适应加权融合，提升网络对正负样本的辨别力。在OTB100（Object Tracking Benchmark）数据集上测试，所提算法的精度和成功率分别为81.2%和64.0%；在LaSOT（high-quality benchmark for Large-scale Single Object Tracking）数据集上测试，所提算法的精度和成功率分别为49.4%和50.1%。实验结果表明，所提算法跟踪性能优于全卷积孪生网络算法，且在处理复杂场景时有更好的鲁棒性。

• 单位
  湖南工业大学