孪生压缩激励全卷积网络的目标跟踪方法

摘要：

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.

关键词：目标跟踪、孪生全卷积网络、实时性、多尺度特征、数据增强

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家科技重大专项基金;黑龙江省自然科学基金

在线出版日期：2021-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：325-332