来源：期刊VIP网 时间：
作者：孟伟君;孙思维;马素刚;
单位：西安邮电大学计算机学院;西安邮电大学陕西省网络数据分析与智能处理重点实验室;
摘要：为了增强利用残差网络提取的目标特征，在ATOM50算法基础上提出了一种基于改进的ResNet网络和特征融合的目标跟踪算法。在ResNet-50骨干网络中使用结合无批处理归一化和位置感知循环卷积的增强瓶颈块，有效增强了全局信息的捕获能力，并减缓了跟踪过程中的偏移累积；对提取的特征采用注意力特征融合模块，通过融合浅层特征的细节和深层特征的语义信息，进一步增强特征对目标的表达能力。利用OTB2015、VOT2018和LaSOT数据集对所提算法进行验证，在OTB2015上成功率和精确度分别达到了70.2%和91.1%，与基准算法ATOM50相比，成功率和精确度分别提升了1.2%和1.5%；在VOT2018数据集上，期望平均重叠率提升了4.4%；在LaSOT数据集上，成功率和精确度分别提升了2.4%和2.9%；在OTB2015数据集上的平均跟踪速度达到34.3 f/s，确保了实时跟踪。
关键词：深度学习;;视觉跟踪;;Siamese网络;;批量归一化;;注意力机制;;改进ResNet网络
基金资助：陕西省自然科学基金项目（2023-JC-YB-598）
