.png){kind=icon}
返回
A cascaded border-aware network for visual tracking
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.113463.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视觉目标跟踪代表了计算机视觉领域中的一个基础性挑战。尽管旨在提升跟踪精度的广泛研究已取得进展，但多样化场景固有的复杂性持续对实现鲁棒的目标跟踪性能构成显著障碍。在本工作中，我们提出了一种名为CasBAN（级联边界感知网络）的新型基于Transformer的跟踪框架，旨在探索提升跟踪精度的有效方法。我们的框架基于传统视觉Transformer骨干网络构建，并通过一个角点预测跟踪头进行增强。在该跟踪头中，我们实现了一种历史提示计算机制，以有效利用过去信息，同时引入一个边界感知网络，用于提取目标边界框的直接边界特征，以进一步提升跟踪精度。此外，采用级联跟踪策略进行边界框回归的精细化调整。在六个公开数据集上的实验证明了我们方法的有效性。
期刊
IF:
8
论文数:
5.8K
被引数:
3.5W
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容