《表5 各类算法在不同数据集性能对比》

  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

《基于深度学习的目标跟踪技术的研究综述》

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

Li等[45]针对目标性质不可知的跟踪情况，即面对任意尺度的任意目标对象类别，提出了TADT网络模型。TADT使用目标感知模型（Target-Aware Model）指导选择目标跟踪所需要的有效特征。目标感知模型由回归损失（Regression Loss）部分（即岭损失（Ridge Loss）部分）和排序损失（Ranking Loss）部分组成。TADT的网络结构如图9所示。TADT通过目标感知模型从预先训练的CNN中选择具有目标运动特征和尺度敏感特征的目标感知卷积滤波器进行目标识别，之后通过相似度匹配计算相似度得分，以得分最大值所处位置表示目标位置，完成目标跟踪。优化后的SA-Siam，TADT和SiamFC在不同数据集中的评测结果如表5所示。