基于高层语义嵌入的孪生网络跟踪算法
Journal of Beijing University of Aeronautics and Astronautics（2023）
摘要
在不加深网络的前提下,为提高孪生网络的特征表达能力,提出基于高层语义嵌入的孪生网络跟踪算法.利用卷积和上采样运算设计了语义嵌入模块,有效融合了深层特征和浅层特征,达到了优化浅层特征的目的,且该模块可以针对任意网络进行灵活的设计与部署.在孪生网络框架下,对AlexNet骨干网络不同层之间添加2个语义嵌入模块.在离线训练阶段进行循环优化,使深层语义信息逐渐转移到较浅的特征层,在跟踪阶段,舍弃语义嵌入模块,仍采用原始的网络结构.实验结果表明:相比于SiamFC,所提算法在OTB2015数据集上精度提高了0.102,成功率提高了0.054.
更多关键词
computer vision,visual tracking,Siamese network,semantic embedding,feature fusion
AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要