孪生压缩激励全卷积网络的目标跟踪方法

作者：刘庆强; 张福禄^*; 张瑶瑶; 张晨雨

来源：吉林大学学报(理学版), 2021, 59(02): 325-332.

DOI：10.13413/j.cnki.jdxblxb.2020112

• 目标跟踪
• 孪生全卷积网络
• 实时性
• 多尺度特征
• 数据增强

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.

• 单位
  经济管理学院; 东北石油大学; 安徽农业大学