摘要
为解决多数孪生网络目标跟踪算法特征提取能力弱、目标形变和遮挡场景适应性差等问题,提出一种结合可变形卷积和注意力机制的孪生网络目标跟踪算法.首先,在特征提取网络中采用可变形卷积,使其能够自适应学习目标偏移量,提升模型适用性;然后,在骨干网络中引进SimAM注意力机制,在提升特征提取能力的同时减少计算量;最后,将公开数据集OTB2015和VOT2018与其他算法进行性能对比实验.实验结果表明,所提方法的精确度和成功率比基准算法SiamFC在形变和遮挡等场景下有较好的鲁棒性.
基金项目
江苏省研究生实践创新计划(SJCX21_1320)
NETL
NSTL
维普
万方数据