一种低参数的孪生卷积网络实时目标跟踪算法
来源：计算机工程杂志2021年第2期北京时间：
作者：罗朔, 侯进, 谭光鸿, 韩雁鹏
单位：西南交通大学 信息科学与技术学院, 成都 611756
摘要：针对基于深度学习的目标跟踪算法模型参数多、难以部署于嵌入式设备上的问题，提出一种改进的孪生卷积网络实时目标跟踪算法。设计一个非对称卷积模块来构建整个网络框架，通过非对称卷积模块的压缩层减少模型参数量，利用非对称层进行特征融合，以在保证精度的同时压缩模型大小。使用三元组损失函数代替逻辑损失函数进行模型训练，在输入不变的情况下提取表达性更强的深度特征，从而完成目标跟踪任务并提高模型的跟踪精度。在GOT-10K、OTB100和VOT2016基准上对算法性能进行测试，结果表明，该算法能够将模型大小降为3.8×106，且速度与精度均优于SiamFC、KCF和DAT等跟踪算法。
关键词：目标跟踪,低参数模型,孪生卷积网络,实时性,非对称卷积,三元组损失
基金资助：浙江大学CAD&CG国家重点实验室开放课题“基于深度学习的调制识别技术的研究”（A1823）。
