基于改进Fairmot框架的多目标跟踪
作者：席一帆,何立明,吕悦, 单位：长安大学信息工程学院 本文刊于： 《液晶与显示》 2022年第06期
关键词:
图像处理 深度学习 目标跟踪 注意力机制Keywords
image processing, deep learning, target tracking, attention mechanism,
全文下载：需积分3点。
摘要
针对复杂场景下目标之间遮挡造成跟踪精度降低的问题，提出基于Fairmot框架的多目标跟踪改进算法。将主干网特征图通过三重注意力机制进行维度间的信息交互产生注意力掩模，提高对目标的定位能力；行人重识别分支采用Circle Loss依据当前状态选择优化程度，提取更为精确的表观特征，区分不同目标对象。实验结果表明，在MOT15数据集上跟踪精度提升至62%,MT(Mostly Tracked)提升至358，身份切换降低68次，在发生遮挡的场景中拥有更出色的跟踪效果。
本文地址：www.fabiao.net/content-24-1903199-1.html
本文地址：www.fabiao.net/content-24-1903199-1.html
上一篇：基于改进条件生成对抗网络的水下图像增强方法
下一篇：
