计算机应用

作者：杨康, 宋慧慧, 张开华

单位：1. 江苏省大数据分析技术重点实验室(南京信息工程大学), 南京 211800;2. 大气环境与装备技术协同创新中心(南京信息工程大学), 南京 211800

关键词：卷积神经网络,视觉跟踪,注意力机制,孪生网络

基金：国家自然科学基金资助项目（61872189，61876088）；江苏省自然科学基金资助项目（BK20170040）；江苏省研究生科研与实践创新计划项目（SJCX19_0311）。

为了解决全卷积孪生网络（SiamFC）跟踪算法在跟踪目标经历剧烈的外观变化时容易发生模型漂移从而导致跟踪失败的问题，提出了一种双重注意力机制孪生网络（DASiam）去调整网络模型并且不需要在线更新。首先，主干网络使用修改后表达能力更强的并适用于目标跟踪任务的VGG网络；然后，在网络的中间层加入一个新的双重注意力机制去动态地提取特征，这种机制由通道注意机制和空间注意机制组成，分别对特征图的通道维度和空间维度进行变换得到双重注意特征图；最后，通过融合两个注意机制的特征图进一步提升模型的表征能力。在三个具有挑战性的跟踪基准库即OTB2013、OTB100和2017年视觉目标跟踪库（VOT2017）实时挑战上进行实验，实验结果表明，以40 frame/s的速度运行时，所提算法在OTB2013和OTB100上的成功率指标比基准SiamFC分别高出3.5个百分点和3个百分点，并且在VOT2017实时挑战上面超过了2017年的冠军SiamFC，验证了所提出算法的有效性。

来源：2019年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第6期