| 陈志旺,王昌蒙,王莹,宋娟,彭勇.ECO跟踪算法中CNN分层插值及加权策略改进[J].高技术通讯(中文),2020,30(6):570~578 |
| ECO跟踪算法中CNN分层插值及加权策略改进 |
|
| |
| DOI：doi：10.3772/j.issn.1002-0470.2020.06.004 |
| 中文关键词: 目标跟踪； 高效卷积运算符（ECO）； 卷积神经网络(CNN)； 相关滤波； 尺度估计 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 2331 |
| 全文下载次数: 1473 |
| 中文摘要: |
| 本文是在深度特征与相关滤波相结合的高效卷积运算符（ECO）目标跟踪算法基础上进行的改进。首先，为了提高跟踪速度，提出“浅层特征不插值，深层特征插值”的卷积神经网络(CNN)分层插值处理方法，对具有较高分辨率的浅层特征不插值，对分辨率低的深层特征进行插值计算来提高分辨率；其次，改进了样本空间分类策略，给CNN特征层分配不同的权重，突出不同特征层对样本间距离的影响，并且将所有样本信息都保留在训练样本集中；最后，应用判别尺度空间跟踪（DSST）算法提出的对目标尺度估计的方法，增加了目标尺度的候选数量，使尺度估计更加准确。实验结果验证了所设计算法的有效性。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
