《表2 OTB2015上算法成功率和精确率的对比》

  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

《基于多层特征增强的实时视觉跟踪》

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

这里将本文算法与六种经典算法进行比较：候选区域孪生跟踪器（Siamese Region Proposal Network，Siam RPN)[7]、空间正则判别相关滤波器（Spatially Regularized Discriminative Correlation Filter，SRDCF)[19]、核化相关滤波器（Kernelized Correlation Filter，KCF)[1]、全卷积孪生网络（FullyConvolutional Siamese network，Siam FC)[5]、判别尺度空间跟踪器（Discriminative Scale Space Tracker，DSST)[20]和表征学习相关滤波跟踪器（Representation Learning for Correlation Filter，CFNet)[21]。表2显示本文MFESiam在精确率和成功率上都取得最好效果，成功率达到64.5%的得分，精确率达到85.5%，分别优于2018年VOT冠军Siam RPN 0.8个百分点和0.4个百分点，且本文的MFESiam算法在成功率和精确率上分别在基线Siam FC上提升了6.3个百分点和8.4个百分点。优异的结果证明本文所提算法在跟踪中面对一些具有挑战性的因素如快速运动、目标遮挡、相似物干扰等困难情况下是鲁棒的。