-
题名基于注意力机制最大化重叠的单目标跟踪算法
被引量：2
- 1
-
-
作者
孙开伟
王支浩
刘虎
冉雪
-
机构
重庆邮电大学数据工程与可视计算重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2023年第S01期387-391,共5页
-
基金
重庆市自然科学基金面上项目(cstc2019jcyj-msxmX0021)
重庆市教委项目(KJCXZD2020027)
国家自然科学基金(61806033)。
-
文摘
随着人工智能的发展,深度学习在计算机视觉研究中引起了广泛关注,在单目标跟踪领域开始对基于深度学习的单目标跟踪算法加以研究。深度学习算法的算法复杂度相对较高,将目标分类和目标状态估计完整的分割出来,有利于对每一个任务的深层探讨。但现阶段的单目标跟踪算法不能很好地应对复杂的跟踪环境,模型遇到复杂跟踪环境时,经常会跟踪到背景的某一块区域或者跟踪到周围的相似目标。为了解决以上问题,文中提出了一种方法,在目标分类和目标状态估计任务中分别加入了不同的注意力机制,使得模型能够更好地处理背景混乱和相似目标遮挡的情况。为了验证上述方法的有效性,文中在多个数据集上做了大量的对比实验,并且和之前的基于深度学习的单目标跟踪算法进行比较,所提算法在EAO指标上有了3.1%的提升,在Robustness指标上有了2.3%的提升,表明了其有效性和先进性。
-
关键词
计算机视觉
单目标跟踪
注意力机制
权重分配
异常检测
-
Keywords
Computer vision
Single target tracking
Attention mechanism
Weight distribution
anomaly detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
