基于ShuffleNet轻量化孪生网络的目标跟踪算法

基于ShuffleNet轻量化孪生网络的目标跟踪算法

卓怡澜;陈孟仪;林明秀;高龙年

【期刊名称】《电子技术与软件工程》

【年(卷),期】2022()5

【摘要】本文针对基于深度学习的目标跟踪算法用于特定场景如移动端、嵌入式

等设备,在设备算力相对不足的前提下,仍要保证跟踪器达到良好的跟踪精度和高速

实时跟踪问题,提出一种轻量化跟踪算法,并用OTB2015数据集验证其速度和精度。本文基于SiamFC算法,选择可在移动端使用的网络ShuffleNet作为核心网络,针

对原网络的不足提出消除padding层影响、步长修改、激活函数修改、控制感受

野四点优化,使得核心网络适用于跟踪任务,并在训练引入Focal损失,提高网络训练效果。对比当前主流算法SiamFC,本文算法模型大小仅有56kb;在OTB2015数据集上仿真实验表明跟踪精度达到0.634,算法能更好地应对跟踪任务中硬件受限的

挑战;平均速度较原始算法提升313%,达到高帧率实时跟踪。

【总页数】4页(P172-175)

【作者】卓怡澜;陈孟仪;林明秀;高龙年

【作者单位】东北大学信息科学与工程学院

【正文语种】中文

【中图分类】TP3

【相关文献】

1.基于多层特征自适应融合孪生网络的目标跟踪算法

2.基于孪生区域建议网络的无人机目标跟踪算法

3.基于孪生网络的鲁棒红外目标跟踪算法

4.基于孪生神经网络的目标跟踪算法进展研究

5.基于孪生网络融合多模板的目标跟踪算法

因版权原因，仅展示原文概要，查看原文内容请购买