《表2 基于MDNet改进的目标跟踪算法》

  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

《基于深度学习的视觉目标跟踪算法浅析》

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

由于采用在线微调的结构，MDNet方法速度较慢，实时性和精度上有待提升.文献[25，26，27，28]在MDNet基础上提出了多个改进算法，本文利用OTB100数据集对这些算法进行了测试，相应的实验结果如表2所示.文献[26]提出简单而有效的正则化法（BranchOut）优化在线集成跟踪算法，基于CNN的多分支结构使用多层表示进行目标外观建模.对比验证使用BranchOut表示MDNet集成的一般特性，BranchOut-MDNet比原来MDNet法具有显著优化效果.文献[27]继承MDNet结构的嵌入自适应RoIAlign层提取特定特征，有效地区分跨多域并具有类似语义的对象实例，在保持算法MDNet精度下，速率提升了25倍，具有较好的实时性.