基于注意力与特征融合的双分支跟踪算法
Transducer and Microsystem Technologies（2023）
摘要
针对全卷积孪生网络(SiamFC)特征表达不足导致在目标形变、复杂背景干扰条件下跟踪效果不佳等问题,提出了一种基于注意力与特征融合的双分支跟踪算法.通过引入通道注意力机制和小卷积核的思想,在增加网络深度的同时,动态调节模型权重,提高了网络的特征提取能力和辨别能力.在原有孪生网络的基础上,提出采用多层特征融合策略构建新的跟踪分支并用于辅助决策.通过不同视觉层级间目标特征的融合,进一步改善网络的精确定位与适应能力.在目标跟踪基准库OTB50、OTB100、VOT2017进行试验,试验结果表明:所提算法在保持实时性的情况下,性能指标优于多个基准算法,验证所提算法的有效性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要