典型文献
引入全局上下文模块和高效注意力机制的车辆跟踪算法
文献摘要：
孪生全卷积神经网络目标跟踪算法(SiamFC)近些年成为车辆跟踪领域的研究热点.但该算法缺乏对目标车辆的深层特征提取和整体感知,在背景复杂、低分辨率、光照变化的情况下容易跟丢.提出使用深度残差网络ResNet50作为主干网络,根据跟踪模型特性,从剪裁特征图、调整网络总步长和嵌入高效通道注意力模块三方面对其进行优化,高效提取特征的同时增强模型的差异化认知,并在分支网络引入全局上下文模块(non-local network,NLNet),增强跟踪模型对目标车辆的整体感知.经实验证明,提出的算法在低分辨率、光照变化和复杂背景的情况下跟踪速度和鲁棒性显著提升.在VOT2018和OTB2015数据集中测试均能得到较好的跟踪结果,与经典跟踪模型SiamFC相比,在OTB2015数据集中测试的跟踪精度提高了5.5％,跟踪成功率提高了2.7％,跟踪速度提高了14％可达98帧/s.
文献关键词：
孪生神经网络;车辆跟踪;高效注意力模块;全局上下文模块
中图分类号：
作者姓名：
李畅;王一丁;孙芮;何忠贺
作者机构：
北方工业大学电气与控制工程学院,北京 100144;北方工业大学信息学院,北京 100144
文献出处：
引用格式：
[1]李畅;王一丁;孙芮;何忠贺-.引入全局上下文模块和高效注意力机制的车辆跟踪算法)[J].科学技术与工程,2022(11):4424-4433
A类：
全局上下文模块,NLNet,高效注意力模块
B类：
注意力机制,车辆跟踪,全卷积神经网络,目标跟踪算法,SiamFC,目标车辆,深层特征,整体感知,低分辨率,出使,使用深度,深度残差网络,ResNet50,主干网络,剪裁,特征图,步长,高效通道注意力模块,高效提取,提取特征,增强模型,分支网,local,network,强跟踪,复杂背景,VOT2018,OTB2015,跟踪精度,孪生神经网络
AB值：
0.305895
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
