计算机应用

作者：孙子文, 钱立志, 杨传栋, 高一博, 陆庆阳, 袁广林

单位：1.陆军炮兵防空兵学院 高过载弹药制导控制与信息感知实验室, 合肥 230031；2.陆军炮兵防空兵学院 信息工程系, 合肥 23003

关键词：计算机视觉,目标跟踪,混合网络结构,深度学习,孪生网络,Transformer

基金：军队型号项目(LZX20190112)

视觉目标跟踪是计算机视觉中的重要任务之一，为实现高性能的目标跟踪，近年来提出了大量的目标跟踪方法，其中基于Transformer的目标跟踪方法由于具有全局建模和联系上下文的能力，是目前视觉目标跟踪领域研究的热点。首先，根据网络结构的不同对基于Transformer的视觉目标跟踪方法进行分类，概述相关原理和模型改进的关键技术，总结不同网络结构的优缺点；其次，对这类方法在公开数据集上的实验结果进行对比，分析网络结构对性能的影响，其中MixViT-L（ConvMAE）在LaSOT和TrackingNet上跟踪成功率分别达到了73.3%和86.1%，说明基于纯Transformer两段式架构的目标跟踪方法具有更优的性能和更广的发展前景；最后，对方法当前存在的网络结构复杂、参数量大、训练要求高和边缘设备使用难度大等不足进行总结，并对今后的研究重点进行展望，通过与模型压缩、自监督学习以及Transformer可解释性分析相结合，可为基于Transformer的视觉目标跟踪提出更多可行的解决方案。

来源：2024年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第5期