结合可变形卷积与全局信息的目标跟踪算法

本文提出了一种以区域候选孪生网络(SiamRPN)为基础并结合可变形卷积与全局信息的目标跟踪算法。首先,使用计算花销适中的主干网络提升模型的特征提取能力;其次,采用全局上下文注意力模块提升全局信息建模能力,在相似度计量部分设计可变形互相关模块聚合模板特征与搜索特征;最后,采用多层特征融合策略充分挖掘深层语义信息与浅层定位信息,使目标的定位和分类更加准确。实验结果表明:该算法优于参与对比的主流跟踪器,在OTB100和VOT2016两个目标跟踪数据集中成功率和EAO指标分别提升了5.3%和8.5%,且跟踪速度达到68 fps,达到超实时跟踪,证明所提出算法的有效性。