基于深度特征修正的目标跟踪算法

CHEN Kai, HUANG Yujie, ZHAO Xiaodong, WANG Pengfei, LIN Yanze

Journal of Beijing University of Aeronautics and Astronautics（2026）

College of Mechanical and Electrical Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China

被引用0|浏览1

摘要

在复杂的跟踪环境中,现有的跟踪器主要面临深度卷积特征冗余和目标跟踪过程正样本缺乏的问题.为去除深度卷积网络中的冗余特征,提出一种基于空间域和通道域融合的注意力机制模型,包括空间自注意力、通道注意力和空间注意力 3个连续的子模块;以此为基础,构建一种适用于各种视觉算法的深度卷积网络;设计基于特征修正的提取目标深度卷积特征及特征增强策略,解决冗余特征负反馈及正样本缺乏等问题.实验结果表明:在主流残差网络(ResNet)目标分类任务中,加入特征修正模块可使Top-1和Top-5错误率明显降低,且不会造成额外的计算量或网络结构调整,实现轻量化插入;在多个相关跟踪算法中加入特征修正模块后实现了更加优秀的跟踪性能,并解决了判别器的过拟合问题.

查看译文

关键词

object tracking,attention mechanism,feature modification,lightweight insertion,residual network

上传PDF