摘要
استنادًا إلى طريقة تتبع الهدف STARK التي تستخدم ResNet كشبكة أساسية، والتي تعاني من ضعف قدرة الاستخراج الميزات وأداء تتبع ضعيف. لمواجهة هذه المشكلة، يقترح هذا البحث خوارزمية تتبع هدف محسنة تستند إلى شبكة Swin-Transformer. أولًا، يتم تحسين آلية الانتباه داخل النوافذ في Swin-Transformer عبر نوافذ متعددة المقاييس، وتصميم وحدة نافذة متعددة المقاييس MW-MSA بهدف استخراج معلومات أكثر ثراءً حول التفاصيل المحلية، لتشكيل ميزات تمييزية متعددة المقاييس مع سياق عالمي. ثم، يتم دمج بنية التشفير-فك التشفير للترانسفورمر كشبكة دمج الميزات، مع استخدام شبكة الإدراك المتعدد الطبقات المحسّنة كنواة لتقييم التحديث لتكوين وحدة الإدراك بالحالة. أخيرًا، لمواجهة تحديات اختفاء الهدف وظهوره مجددًا، تم اقتراح طريقة دمج متعددة المتعقبات. يتم دمج خوارزمية التتبع المحسنة متعددة المقاييس مع خوارزمية SuperDiMP وتصميم وحدة لتقييم حالة الاختفاء، مع اعتبار شامل لدرجات الثقة للمتعقبين واحتمالية وجود الهدف بالقرب من المربع التنبؤي. تظهر النتائج التجريبية أن الخوارزمية المقترحة تزيد معدل التداخل المتوسط (AO) بمقدار 2.7%، وتزيد معدل النجاح S_R0.5 بمقدار 3.3% على مجموعة بيانات GOT-10K مقارنة بخوارزمية STARK. على مجموعة بيانات L-LaSOT، تزيد معدل النجاح (AUC) بمقدار 0.8%، وتزداد بمقدار 1% تحت تحدي اختفاء وظهور الهدف مجددًا مقارنةً بخوارزمية STARK.
关键词
تتبع الهدف;نافذة متعددة المقاييس;Swin-Transformer;تحديث القالب;دمج متعددة النماذج
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website