arrow
返回

Global Context Attention for Robust Visual Tracking

delete2023-03-01
delete3
delete
OA
AI
J
Janghoon Choi *
DOI:10.3390/s23052695delete
delete原文链接
delete分享
delete收藏
查看原文
摘要

摘要

En 中文
尽管最近在基于连体网络的视觉跟踪方法中取得了进展,其中它们在许多大规模视觉跟踪基准上显示出高性能指标,但是关于与目标对象具有相似外观的干扰对象的持续挑战仍然存在。为了解决上述问题,我们提出了一种用于视觉跟踪的新颖的全局上下文注意模块,其中所提出的模块可以提取和总结整体全局场景信息以调制目标嵌入以提高可辨别力和鲁棒性。我们的全局上下文注意力模块接收全局特征相关图以从给定场景引出上下文信息,并生成通道和空间注意力权重以调制目标嵌入以聚焦于目标对象的相关特征通道和空间部分。我们提出的跟踪算法在大规模视觉跟踪数据集上进行了测试,与基线跟踪算法相比,我们显示出改进的性能,同时以实时速度实现了竞争性能。额外的消融实验也验证了所提出的模块的有效性,其中我们的跟踪算法显示了视觉跟踪的各种挑战性属性的改进。
Keyword:
visual tracking
object tracking
attention models
model-free tracking
AI总结

AI总结

对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。

期刊

Sensors 封面图
Sensors
IF:
3.5
论文数:
7.2W
被引数:
20.9W

机构

K
kyungpook national university (knu)
学者数:
1.8W
论文数: 1.8W
被引数: 14
引用论文

引用论文

ImageNet Large Scale Visual Recognition ChallengeImageNet大规模视觉识别挑战
err2015-04-11
err2.7W
PREAI
errRussakovsky, Olga; Deng, Jia; Su, Hao; Krause, Jonathan; Satheesh, Sanjeev; Ma, Sean; Huang, Zhiheng; Karpathy, Andrej; Khosla, Aditya; Bernstein, Michael; Berg, Alexander C.; Fei-Fei, Li
err分享
err收藏
CAT: Centerness-Aware Anchor-Free Tracker
errSENSORS
IF3.5
err2022-01-04
err2
errOAAI
errMa, Haoyi; Acton, Scott T.; Lin, Zongli
err分享
err收藏
Urban Sustainability Audits and Ratings of the Built Environment
err2019-11-07
err0
errOAAI
errConstantinos A. Balaras; Kalliopi G. Droutsa; Elena G. Dascalaki; Simon Kontoyiannidis; Andrea Moro; Elena Bazzan
err分享
err收藏
学者 查看更多内容