.png){kind=icon}
返回
Learning orientational interaction-aware attention and localization refinement for object tracking
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2024.104972.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有的基于Siamese的跟踪方法在区分表示能力和匹配引导方面存在局限性，导致其在复杂场景中对准确目标区分的敏感度不足。在本文中，我们提出学习方向性交互感知注意力与定位精化方法用于目标跟踪。通过可学习的方式挖掘特征间的交互感知信息以实现特征增强，并采用联合精化定位机制重新校准跟踪状态以维持准确的目标预测。具体而言，我们首先构建方向性通道交互感知模块，依据建模的通道相关性关系对通道图进行重加权，从而选择性削弱当前任务中无关通道的影响。随后，我们采用方向性空间交互感知模块来捕捉全局上下文交互。通过聚合长距离依赖关系，互补的有益语义促进了特征区分能力的增强。最后，我们推断目标跟踪状态以确定是否执行定位精化。当存在模糊引导状态时，我们提取多个峰值区域进行重新评估，提供准确的跟踪结果并抑制潜在干扰项。所提出的算法轻量且便携，仅需显著更少的训练样本即可实现高效训练，因此在资源受限场景中具有广泛适用性。在多个代表性基准上的大量实验表明，所提出的方法在性能上与当前最优跟踪器具有竞争力。
Keyword:
Siamese network
Object tracking
Attention module
Localization refinement
期刊
IF:
3.6
论文数:
10.0K
被引数:
1.7W
机构
引用论文
OSTM-NET: Joint scale variation and occlusion handling deep network for real-time vehicle counting and volume estimationOSTM-NET：一种联合处理尺度变化与遮挡问题的实时车辆计数及流量估计深度网络
PREAI
分享收藏Utilizing YOLOv8 for enhanced traffic monitoring in intelligent transportation systems (ITS) applications利用YOLOv8增强智能交通系统（ITS）应用中的交通监控
PREAI
分享收藏
分享收藏分享收藏Dual-stream collaborative tracking algorithm combined with reliable memory based update.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容