科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有孪生网络目标跟踪器已表现出不错的性能，但对于复杂场景中存在的相似目标误检以及包围框偏移等问题，表现却仍不尽如人意。针对此问题，文中提出了一种新的两阶段孪生目标跟踪算法，该算法由目标提议阶段与任务感知验证阶段组成。第一阶段结合并行空频注意力模块，充分挖掘目标图像的表观特征，增强目标的抗相似物体干扰能力，提高鲁棒性。第二阶段针对检测任务中分类回归任务的差异，对目标分类和位置回归进行任务感知验证，分别获得适用于分类和回归的精准候选框，得到候选目标的识别得分及位置精调。此外，针对训练与测试任务中分类回归计算冲突问题，以及分类回归任务对于正负样本计算存在数量、对象偏差问题，采用GFocal Loss对损失函数进行优化以解决以上问题。实验证明，文中算法在有效性、可靠性以及预期平均重叠率上获得了较大的性能提升，并满足实时跟踪要求。
- 单位
