《表2 针对形变、遮挡情况的算法精确率对比》

  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

《基于自适应Siamese网络的无人机目标跟踪算法》

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

为验证所提算法（SiamRAT）在目标发生遮挡、形变等情况下的有效性，将所提算法与SiameseFC、STRCF[19]和EAST[20]算法进行对比，其中STRCF和EAST是针对形变、遮挡情况而改进的跟踪算法。实验数据采用UAV123@10fps数据集中发生遮挡、形变的视频，共60个。实验结果如表2所示。在形变、遮挡场景下，相比于单实例模型的SiameseFC跟踪算法，所提算法能够有效提升22.65%和31.51%的精确率，同时优于其他改进算法。这其中的原因一方面是跟踪算法建立在多个状态实例样本之上，相比于建立在单个实例样本之上的SiameseFC跟踪算法，抓住了跟踪目标特有的状态信息，能够更好地适应目标的形变；另一方面，通过对状态信息的判别，有效降低了遮挡情况对跟踪性能的影响，相比于利用时间正则化对遮挡情况处理的STRCF算法，所提算法避免了多次的参数更新，利用哈希感知算法有效判别遮挡情况，故能提升算法速率并有效减轻遮挡对算法性能的影响。