声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1124/TP
国际刊号：1001-0920
发布日期:
作者：仲训杲,范东嘉,仲训昱,周承仙,赵晶,刘强
单位：厦门理工学院 电气工程与自动化学院,福建 厦门 361024;厦门市高端电力装备及智能控制重点实验室,福建 厦门 361024,,厦门理工学院 电气工程与自动化学院,福建 厦门 361024,,厦门大学 航空航天学院,福建 厦门 361002,,厦门理工学院 电气工程与自动化学院,福建 厦门 361024,,厦门理工学院 电气工程与自动化学院,福建 厦门 361024;厦门市高端电力装备及智能控制重点实验室,福建 厦门 361024,,牛津大学 精神学系,牛津 OX3 7JX,
关键词：深度网络;目标跟踪;自适应框;注意力机制;模板更新
基金：国家自然科学基金项目(61703356)；福建省自然科学基金项目(2022J011256,2020J01285)；厦门市青年创新基金项目(3502Z20206071).
现有深度网络跟踪算法应对相似物体干扰、尺度变化、形变模糊、遮挡等问题存在挑战,为此提出一种融合多模板注意力机制的鲁棒深度网络算法.在SiamFc深度网络分支中构建通道和空间多模板注意力机制,以加强网络对目标特征的提取能力;融合浅层和深层卷积特征实现跟踪目标的精确聚焦,以克服相似物干扰问题;采用自适应回归网络学习目标采样点与目标边界之间的距离,实现目标区域的动态预测,有效应对目标尺度变化问题.另外,通过计算分类特征的APCE均值和最大值建立模板在线更新策略,实现网络自适应目标形变模糊与遮挡等问题.对OTB100和VOT2016等公开数据集的测试结果表明,与目前先进的SiamFc及改进方法相比,所提出算法在动态目标跟踪的准确率和成功率上均得到有效提升,具有强鲁棒性能.
来源：2024年第4期
《控制与决策》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。