检索结果

Select

1. 动态的加权孪生网络跟踪算法

熊昌镇, 李言

计算机应用 2020, 40 (8): 2214-2218. DOI: 10.11772/j.issn.1001-9081.2019122195

摘要（382）

PDF （1142KB）（619）

为提升快速在线目标跟踪与分割算法的跟踪精度，提出了一种动态的加权孪生网络跟踪算法。首先，对初始帧提取的模板特征与每帧提取的模板特征进行学习融合，提高跟踪器的泛化能力；其次，在掩膜分支产生目标掩膜的过程中用加权的方式融合特征，减少冗余特征带来的干扰，提高跟踪的精度。在数据集VOT2016和VOT2018上进行测试，所提算法的预期平均重叠率分别为0.450和0.390，精确性分别为0.649和0.618，鲁棒性分别为0.205和0.267，均高于基准算法，跟踪速度为34帧/s，达到了实时跟踪的要求。所提算法有效地提高了跟踪的准确性，能在复杂的跟踪环境下较好地完成跟踪任务。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于稀疏卷积特征和相关滤波的实时视觉跟踪算法

熊昌镇, 车满强, 王润玲

计算机应用 2018, 38 (8): 2175-2179. DOI: 10.11772/j.issn.1001-9081.2017123030

摘要（403）

PDF （1053KB）（382）

为提高分层卷积相关滤波视觉跟踪算法的实时性能，提出一种稀疏卷积特征的实时目标跟踪算法。首先，在分析不同层卷积特征的基础上，采用等间隔采样的方式提取每个卷积层的稀疏卷积特征；然后，对每个卷积层特征的相关滤波响应值进行加权组合，得到目标预测的位置；最后，采用稀疏的模型更新策略进一步提高算法的运行速度。在OTB-2015新增的50组数据上对所提算法进行测试，实验结果表明，该算法的平均距离精度为82.2%，比原分层卷积特征跟踪算法提高了5.25个百分点，对目标姿态以及遮挡等变化具有较好的鲁棒性。该算法的平均跟踪速度为32.6帧/s，是原分层卷积特征跟踪算法的近3倍，能达到实时跟踪的效果。

参考文献 | 相关文章 | 多维度评价

Select

3. 结合图切技术和卷积网络的交通标志数据集构建方法

熊昌镇王聪

录用日期: 2016-12-19