科研之友
微信
新浪微博
Facebook
分享链接
摘要
孪生全卷积神经网络目标跟踪算法(SiamFC)近些年成为车辆跟踪领域的研究热点。但该算法缺乏对目标车辆的深层特征提取和整体感知，在背景复杂、低分辨率、光照变化的情况下容易跟丢。提出使用深度残差网络ResNet50作为主干网络，根据跟踪模型特性，从剪裁特征图、调整网络总步长和嵌入高效通道注意力模块三方面对其进行优化，高效提取特征的同时增强模型的差异化认知，并在分支网络引入全局上下文模块(non-local network, NLNet),增强跟踪模型对目标车辆的整体感知。经实验证明，提出的算法在低分辨率、光照变化和复杂背景的情况下跟踪速度和鲁棒性显著提升。在VOT2018和OTB2015数据集中测试均能得到较好的跟踪结果，与经典跟踪模型SiamFC相比，在OTB2015数据集中测试的跟踪精度提高了5.5%,跟踪成功率提高了2.7%,跟踪速度提高了14%可达98帧/s。
- 单位
