基于区域提案孪生网络的优化目标跟踪算法

摘要

为了更好地对目标的尺度进行实时估计,避免多尺度测试及提高目标跟踪的速度和精度,提出了一种新的优化目标跟踪算法.通过将跟踪效果比较好的区域提案网络引入普通的孪生网络,并在算法中引进条形池化模块和高效通道注意力模块,应对物体的尺度差异和跟踪过程中较为剧烈的形变.提出的算法在OTB100数据集上取得了0.833的准确度和0.658的成功率,在VOT2016数据集上取得了0.411的EAO指数,在VOT2019数据集上取得了0.275的EAO指数.