基于FasterMDNet的视频目标跟踪算法

摘要：

多域卷积神经网络(MDNet)算法在卷积层采用选择性搜索的方式来提取候选框,因此它没有共享完整图像特征,从而导致在线视频目标跟踪速度慢.针对这个问题,提出一种快速多域卷积神经网络(FasterMDNet)视频目标跟踪算法.FasterMDNet是建立在MDNet基础上的一种模型,在卷积层后面引入RPN(Region Proposal Network)网络,优化了损失函数,共享完整图像卷积特征,加快候选区域建议框(ROI)更高效的生成;为了更好地获得目标和背景信息表示,在RPN网络后加入ROIAlign层,对提取的候选区域建议框特征图用双线性插值方法来提高感受野的分辨率.该算法对目标跟踪基准数据集OTB2013、OTB2015、VOT2016进行了评估,并与前沿的跟踪算法做对比,实验结果证明,该算法跟踪准确率优于其他对比方法,并且对比相同实验环境下MDNet算法,在线跟踪速度提高了近12倍.

关键词：多域卷积神经网络(MDNet)、快速多域卷积神经网络(FasterMDNet)、视频目标跟踪、区域建议网络(RPN)、候选区域建议框(ROI)、ROIAlign

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技发展计划技术攻关项目No.20190302118GX

在线出版日期：2020-07-23（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：123-130