为降低孪生网络跟踪器中预定义锚框对模板更新和跟踪精度的影响，提出一种采用高质量模板在线更新的孪生网络目标跟踪算法。在孪生网络跟踪框架的基础上引入一个基于区域建议网络的重检测模块，获得质量更高的回归边界框，利用初始帧、累计帧和当前帧的特征模板训练一个更新网络实现更高质量的模板更新。在OTB100和GOT-10k数据集上的对比实验结果表明，提出算法具有更好的成功率和精度，在具有各种复杂属性的场景中表现出更优秀的性能。
科研之友
微信
新浪微博
Facebook
分享链接
