《表3 不同算法在OTB数据集上的平均中心误差对比》
注:加粗字体表示各列最优结果。
为了客观验证本文算法的优势和不足,在选定的10组图像序列上,将本文算法与KCF、DSST、Staple、BACF (background-aware correlation filter)(Galoogahi等,2017)、SRDCF(spatially regularized correlation filter)(Danelljan等,2015)、SAMF (scale adaptive multiple features)(Li和Zhu,2014)、ECO(efficient convolution operators)(Danelljan等,2017)、DeepSTRCF (spatial-temporal regularized correlation filter)(Li等,2018)等8种算法进行跟踪实验对比,不同算法在实验图像序列上的平均中心误差(CLE)、跟踪精确率和运行速度如表3—表5所示。其中,深度学习算法ECO和DeepSTRCF在实验中的速度极低,未参与运行速度的比较。
图表编号 | XD00216435800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.16 |
作者 | 姜文涛、金岩、刘万军 |
绘制单位 | 辽宁工程技术大学软件学院、辽宁工程技术大学研究生院、辽宁工程技术大学软件学院 |
更多格式 | 高清、无水印(增值服务) |