基于图形显著性检测的残差网络特征融合跟踪算法

金潓, 李新阳. 基于图形显著性检测的残差网络特征融合跟踪算法[J]. 激光与光电子学进展, 2020, 57(18): 181025. Hui Jin, Xinyang Li. Residual Network Feature Fusion Tracking Algorithm Based on Graph Salience Detection[J]. Laser & Optoelectronics Progress, 2020, 57(18): 181025.

基于图形显著性检测的残差网络特征融合跟踪算法下载： 820次

图 1. 目标定位步骤

Fig. 1. Steps of target location

图 2. 原始图像与GBVS图像。(a)原始图像;(b) GBVS图像

Fig. 2. Original image and GBVS image. (a) Original image; (b) GBVS image

图 3. 基于GBVS改进的流程图

Fig. 3. Improved flow chart based on GBVS

图 4. 基于GBVS改进的算法平均中心误差

Fig. 4. Average center error of the improved algorithm based on GBVS

图 5. 算法的跟踪效果。(a)改进前;(b)改进后

Fig. 5. Tracking effect of the algorithm. (a) Before improvement; (b) after improvement

图 6. 不同算法在OTB50数据集上的跟踪精度。(a)总精度;(b)快速移动;(c)运动模糊;(d)低分辨率;(e)遮挡;(f)不同尺度

Fig. 6. Tracking accuracy of different algorithms on the OTB50 data set. (a) Total accuracy; (b) fast movement; (c) motion blur; (d) low resolution; (e) occlusion; (f) different scales

图 7. 不同算法在OTB数据集的跟踪结果

Fig. 7. Tracking results of different algorithms in the OTB dataset

表 1基于GBVS改进的算法平均中心误差对比

Table1. Comparison of average center error based on GBVS improved algorithm

表 2不同算法的中心误差平均值

Table2. Average central error of different algorithms

关于本站 Cookie 的使用提示

全站搜索

基于图形显著性检测的残差网络特征融合跟踪算法 下载： 820次