《表1 SiamFC网络参数》
SiamFC的模板分支始终使用第一帧作为模板帧,不能自适应地应对目标变化和环境影响。如图1所示,为了有效地学习目标外观变化和排除相似背景的干扰,本文算法在SiamFC的基础上分别在模板分支和搜索分支上加入了上一帧的跟踪结果,通过注意力机制实现特征融合。假设第t-1帧跟踪器所预测到的边界框为[cx,cy,w,h](cx、cy表示目标中心位置,w、h表示目标框大小),以此将第t-1帧图像分别裁剪到127×127和255×255,如图2所示,分别输入到搜索分支和模板分支,相比于模板分支,搜索分支因为输入的尺寸更大而会保留更多的目标信息。将模板分支和搜索分支得到的特征图分别通过注意力机制模块进行特征融合,实现在线学习目标外观变化的目的。上一帧目标信息和当前帧最为相似,将二者共同作为搜索分支的输入,将提取到的特征图通过空间注意力机制使得当前帧的背景区域得到抑制。表1为具体的网络参数。
图表编号 | XD00133397900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 董吉富、刘畅、曹方伟、凌源、高翔 |
绘制单位 | 大连海事大学信息科学技术学院、大连海事大学信息科学技术学院、大连海事大学信息科学技术学院、华录智达科技有限公司、大连海事大学信息科学技术学院 |
更多格式 | 高清、无水印(增值服务) |