摘要
Um das Problem der Genauigkeitsminderung beim Tracking durch Überdeckungen zwischen Zielen in komplexen Szenarien zu lösen, wird ein verbessertes Multi-Target-Tracking-Algorithmus basierend auf dem Fairmot-Framework vorgeschlagen. Die Merkmalskarte des Backbone-Netzes durchläuft einen dimensionenübergreifenden Informationsaustausch mittels eines dreifachen Aufmerksamkeitsmechanismus zur Erzeugung einer Aufmerksamkeitsmaske, wodurch die Lokalisierungsfähigkeit der Ziele verbessert wird; der Re-Identifikationszweig für Fußgänger verwendet Circle Loss, um basierend auf dem aktuellen Zustand den Optimierungsgrad auszuwählen und so präzisere Erscheinungsmerkmale zu extrahieren, um verschiedene Zielobjekte zu unterscheiden. Experimentelle Ergebnisse zeigen, dass die Tracking-Genauigkeit auf dem MOT15-Datensatz auf 62 % steigt, MT (Mostly Tracked) auf 358, die Identitätswechsel um 68 reduziert werden und das Tracking in Szenen mit Überdeckungen deutlich verbessert wird.
关键词
Bildverarbeitung;Tiefes Lernen;Objektverfolgung;Aufmerksamkeitsmechanismus
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