-
题名基于SiameseFC的双模板异步更新追踪方法
- 1
-
-
作者
马汉达
殷达
-
机构
江苏大学计算机科学与通信工程学院
-
出处
《计算机科学》
CSCD
北大核心
2022年第S02期473-479,共7页
-
文摘
全卷积孪生神经网络SiameseFC有着追踪速度快、精度高等优势,但在较为复杂的场景下仍然存在一定的缺陷,并且模板不更新的追踪模式也会在快速变化下的场景中出现较大的误差。因此,提出了一种基于全卷积孪生神经网络的双模板异步更新的追踪算法。首先基于VGG-16网络提取深层与浅层两种特征,分别使用两套对应的模板,两套模板独立且异步地更新,从而节约计算资源。然后对于模板的更新,同时考虑初始模板、前一次追踪所用模板,以及前一帧追踪结果提取的模板,并且使用了基于APCE的判断机制,更新时动态地分配三者的比例。所提算法在OTB100的基准测试结果上优于SiamRPN和SiamDW等主流算法,成功率与精确度均提升了约4%~5%,并且速度达到了44fps左右,可以满足实时追踪的要求。
-
关键词
siamesefc
VGG-16网络
模板更新
双模板
APCE
-
Keywords
siamesefc
VGG-16
Template update
Dual-template
APCE
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名相似车辆干扰下的车辆跟踪算法
- 2
-
-
作者
申嘉琪
张丽果
杜慧敏
顾文宁
李佳韵
-
机构
西安邮电大学
-
出处
《电子技术与软件工程》
2020年第1期106-108,共3页
-
基金
陕西省重点研发计划(2017ZDXM-GY-005)
西安市科技计划项目(201805040YD18CG24(5)
-
文摘
本文在深度学习目标跟踪算法SiameseFC的框架下,结合角点特征提取算法和角点特征匹配算法提出了一种基于角度分析的车辆跟踪算法,增强了相似车辆干扰下车辆跟踪算法的鲁棒性与准确性。采用OPE评估标准对从公开数据集DETRAC中选取的2组视频,并与SiameseFC算法和MDNet算法进行了对比。测试结果表明:该算法的鲁棒性与准确性均优于对比算法,跟踪精度达96.9%,成功率达85.39%。相比于SiameseFC算法,跟踪精度提高了24.55%,成功率提高了18.31%:相比于MDNet算法,跟踪精度提高了16.56%,成功率提高了24.01%。
-
关键词
目标跟踪
深度学习
siamesefc
特征提取
MDNet
-
分类号
U463.6
[机械工程—车辆工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
