《表1 不同λ值对比：SA-Siam++:基于双分支孪生网络的目标跟踪算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《SA-Siam++:基于双分支孪生网络的目标跟踪算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

λ为语义分支与外观分支的权重因子，需要在实验中不断测试．经过测试，在λ取得不同的值时，模型会有不同的跟踪效果，具体数据见表1.Pre代表准确率，Suc代表成功率．当λ等于0.1时，模型可以获得最佳效果．从表1可以看出，增加的语义分支会使跟踪器表现更好，但是当λ等于0时，模型的效果并不好，说明外观分支的作用还是很大的，并不能单独地依靠语义分支进行跟踪．这也验证了增加语义分支的正确性．