基于孪生网络的轻量级高速跟踪算法

摘要

孪生网络跟踪算法将跟踪问题转换为相似性匹配问题引起广泛关注,然而,多数算法无法在移动端或算力不足的嵌入式设备上实现工程应用。为此,提出了一种基于孪生网络的轻量级高速跟踪算法。该算法以特征提取能力良好且参数量少的MobileNetV2作为主干网络,通过组卷积、Crop等操作进一步减少网络参数量,提高网络运行速率;通过在倒残差结构中加入注意力机制动态调节模型权重,突出目标重要信息;通过不同特征层之间的信息融合,提升网络模型对目标多尺度语义信息的表达。采用目标跟踪基准库OTB100和VOT2018进行实验,结果表明,与现有通用跟踪算法相比,所提算法在保持高精度的同时,运行速率高达170帧/s,具有良好的工程应用前景。