基于难样本挖掘的孪生网络目标跟踪

来源：计算机应用研究杂志2021年第4期北京时间：

作者：亢洁,孙阳,沈钧戈,

单位：1.陕西科技大学电气与控制工程学院,西安710021；2.西北工业大学无人系统技术研究院,西安710072；

摘要：为了解决全卷积孪生网络目标跟踪算法（SiamFC）在复杂环境下容易出现跟踪漂移甚至跟踪失败的问题，提出了一种基于难样本挖掘的孪生网络目标跟踪方法。该方法在SiamFC算法的基础上，首先利用特征融合模块进行特征融合，以提高特征表征的鲁棒性，然后引入一个新的损失函数，加强网络对难样本的学习能力并缓解正负样本不平衡的问题。为验证该方法的有效性，在OTB2015和GOT10k数据集上对算法进行测试实验。实验结果表明，在OTB2015数据集上该方法比SiamFC算法在成功率上提高2.6%，精度上提高2%；在GOT10k数据集上该方法的mAO为0.429，相比SiamFC算法提高了3.7%，在光照变化、目标形变、相似背景干扰情况下具有更好的表现。

关键词：孪生网络,目标跟踪,特征融合,损失函数,难样本挖掘,

基金资助：国家自然科学基金资助项目(61603233)；西安市科技计划资助项目(2019216514GXRC001CG002-GXYD1.7)；；