结合多注意力机制的Transformer实时目标跟踪算法

TP391; 近年来目标跟踪在学术研究和实际应用中具有巨大潜力,受到越来越多的关注并成为计算机视觉的热点研究方向.针对现有的目标跟踪算法在光照变化、遮挡和快速运动复杂背景条件下跟踪精度较低这一问题,提出一种结合多注意力机制的Transformer跟踪算法——TrKYS.引入多注意力模块捕捉目标在空间和通道维度中的特征,实现对目标特征上下文依赖关系的建模;通过多个不同空洞率的平行空洞卷积对特征图进行采样,以获得图像的多尺度特征,增强局部特征表达能力;构建Exemplar Transformer模块,利用模板化的空间信息和目标特征建立了外观跟踪模型.为了适应外观变化,该跟踪算法在连续帧中跟踪目标物...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 23; pp. 187 - 197
Main Authors 黄易仟, 徐杨, 张永丹, 肖慈, 冯明文
Format Journal Article
LanguageChinese
Published 贵阳铝镁设计研究院有限公司,贵阳 550009 01.12.2024
贵州大学 大数据与信息工程学院,贵阳 550025%贵州大学 大数据与信息工程学院,贵阳 550025
Subjects
feature enhancement
Exemplar Transformer
外观变化
target tracking
cosmetic changes
目标跟踪
特征增强
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2307-0343

Cover

More Information
Summary:TP391; 近年来目标跟踪在学术研究和实际应用中具有巨大潜力,受到越来越多的关注并成为计算机视觉的热点研究方向.针对现有的目标跟踪算法在光照变化、遮挡和快速运动复杂背景条件下跟踪精度较低这一问题,提出一种结合多注意力机制的Transformer跟踪算法——TrKYS.引入多注意力模块捕捉目标在空间和通道维度中的特征,实现对目标特征上下文依赖关系的建模;通过多个不同空洞率的平行空洞卷积对特征图进行采样,以获得图像的多尺度特征,增强局部特征表达能力;构建Exemplar Transformer模块,利用模板化的空间信息和目标特征建立了外观跟踪模型.为了适应外观变化,该跟踪算法在连续帧中跟踪目标物体时会实时更新跟踪模板特征向量、运动参数和空间信息,提高跟踪定位的精度.在LaSOT、VOT2018、NFS、OTB-2015、TrackingNet和GOT-10k数据集上实验结果表明,与其他主流目标跟踪算法相比,所提算法具有更好的跟踪性能,特别是在TrackingNet上的跟踪算法(TrKYS)相对于基准跟踪算法(KYS)成功率提高了3个百分点.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2307-0343