《表2 跟踪结果比较（VOT2016实验结果）》

  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

《一种添加残差注意力机制的视觉目标跟踪算法》

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

为了验证改进算法的有效性，首先对添加不同改进策略的算法进行性能测试。实验分为5大类：第1类为GOTURN原有算法，第2类为添加注意力机制的算法GOTURN＿atten，第3类为添加多层特征融合策略算法GOTURN＿concat，第4类为使用添加基于区域重叠率损失函数训练的算法GOTURN＿giou，第5类为融合以上多种策略的算法GOTURN＿all。笔者主要分析两个跟踪指标：精确度和鲁棒性。当然，每个视频都包含有一些属性：遮挡、光照变化、运动变化、尺度变化、摄像机运动；跟踪器在这几个属性上分别测量了精确度和鲁棒性并求了平均，以此作为测度指标。实验数据如表2所示，表中对排名前三的实验数据用粗体标注数字表示，其中f代表帧数。