《表2 6种算法在OTB-100上6种挑战中的平均精度结果》
Ours(D+HC)在图4中的平均AUC值为69.6%,平均DP值为90.6%。Ours(D+HC)算法的AUC比ours(HC)算法提升了5.6%;比ECO-HC算法提升了5.5%;比CCOT算法提升了6.4%;比CSRDCF算法提升了11.9%。Ours(D+HC)算法的平均DP值比ours(HC)算法提升了7.8%;比ECO-HC算法提升了6%;比CCOT算法提升了5.1%;比CSRDCF算法提升了10.5%。此外,根据表1和表2中的数据可以看出,ours(D+HC)算法在遮挡、背景杂乱、形变、运动模糊、平面内旋转及尺度变化6种挑战中的AUC值和DP值均为最优,具有相对较高的稳健性,结合图4中的实验结果,充分说明在HOG和CN的基础上加入深度特征可以有效提升算法整体的跟踪精度和稳健性。
图表编号 | XD003394700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 王译萱、吴小俊、徐天阳 |
绘制单位 | 江南大学物联网工程学院模式识别与计算智能国际联合实验室、江南大学物联网工程学院模式识别与计算智能国际联合实验室、江南大学物联网工程学院模式识别与计算智能国际联合实验室 |
更多格式 | 高清、无水印(增值服务) |