Knowledge Commons of Institute of Automation，CAS
| 一种新的分段式细粒度正则化的鲁棒跟踪算法 | |
| 安志勇; 梁顺楷; 李博; 赵峰; 窦全胜; 相忠良 | |
| 发表期刊 | 自动化学报
 |
| ISSN | 0254-4156 |
| 2023 | |
| 卷号 | 49期号:5页码:1116-1130 |
| 摘要 | 孪生网络跟踪算法在训练阶段多数采用L2正则化,而忽略了网络架构的层次和特点,因此跟踪的鲁棒性较差.针对该问题,提出一种分段式细粒度正则化跟踪(Segmented fine-grained regularization tracking, SFGRT)算法,将孪生网络的正则化划分为滤波器、通道和神经元三个粒度层次.创新性地建立了分段式细粒度正则化模型,分段式可针对不同层次粒度组合,利用组套索构造惩罚函数,并通过梯度自平衡优化函数自适应地优化各惩罚函数系数,该模型可提升网络架构的泛化能力并增强鲁棒性.最后,基于VOT2019跟踪数据库的消融实验表明,与基线算法SiamRPN++比较,在鲁棒性指标上降低了7.1%及在平均重叠期望(Expected average overlap, EAO)指标上提升了1.7%,由于鲁棒性指标越小越好,因此鲁棒性得到显著增强.基于VOT2018、VOT2019、UAV123和LaSOT等主流数据库的实验也表明,与国际前沿跟踪算法相比,所提算法具有较好的鲁棒性和跟踪性能. |
| 关键词 | 视觉跟踪 孪生网络 细粒度正则化 组套索 |
| DOI | 10.16383/j.aas.c220544 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ia.ac.cn/handle/173211/56159 |
| 专题 | 学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 安志勇,梁顺楷,李博,等. 一种新的分段式细粒度正则化的鲁棒跟踪算法[J]. 自动化学报,2023,49(5):1116-1130. |
| APA | 安志勇,梁顺楷,李博,赵峰,窦全胜,&相忠良.(2023).一种新的分段式细粒度正则化的鲁棒跟踪算法.自动化学报,49(5),1116-1130. |
| MLA | 安志勇,et al."一种新的分段式细粒度正则化的鲁棒跟踪算法".自动化学报 49.5(2023):1116-1130. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| AAS-CN-2022-0544.pdf（3955KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [安志勇]的文章 |
| [梁顺楷]的文章 |
| [李博]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [安志勇]的文章 |
| [梁顺楷]的文章 |
| [李博]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [安志勇]的文章 |
| [梁顺楷]的文章 |
| [李博]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论