计算机科学与探索

作者：李运寰, 闻继伟, 彭力

单位：物联网技术应用教育部工程研究中心（江南大学 物联网工程学院）,江苏 无锡 214122

关键词：目标跟踪,MobileNet,孪生网络,通道注意力机制

基金：国家重点研发计划(2018YFD0400902);国家自然科学基金(61873112)

随着目标跟踪在众多生活场景的广泛运用,高精度且高速的跟踪算法需求也日益增多。针对某些特定场景如移动端、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,提出一种高帧率的轻量级孪生网络目标跟踪算法。首先,选取易于部署在嵌入式设备中的轻量级卷积神经网络MobileNetV1作为特征提取网络,深层网络具有对目标特征强大的提取能力;接着,针对主干网络的不足提出两点优化策略,特征图裁剪和网络总步长调整,使得主干网络适用于跟踪任务;最后,在孪生网络的模板分支后添加超轻量级通道注意力模块,加权突出目标特征的重要信息。对比当前主流算法SiamFC,该算法参数量减少59.8%;在OTB2015数据集上仿真实验表明,跟踪精度提升了5.4%,算法能更好地应对跟踪任务中复杂多变的挑战;在VOT2018数据集上的仿真实验表明,综合指标平均重叠期望（EAO）提升了26.6%,同时算法在NVIDIA GTX1080Ti下的平均速度为120 frame/s,达到高帧率实时跟踪。

来源：2022年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第6期