基于深度谱卷积神经网络的高效视觉目标跟踪算法

作     者：郭强 芦晓红 谢英红 孙鹏 Guo Qiang;Lu Xiaohong;Xie Yinghong;Sun Peng

作者机构：中国刑事警察学院图书馆辽宁沈阳110035 沈阳大学信息工程学院辽宁沈阳110044 

出 版 物：《红外与激光工程》 (Infrared and Laser Engineering)

年 卷 期：2018年第47卷第6期

页      面：241-246页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 081203[工学-计算机应用技术] 08[工学] 0802[工学-机械工程] 0835[工学-软件工程] 0825[工学-航空宇航科学与技术] 0704[理学-天文学] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61603415 61602322 61503274) 辽宁省教育厅科学研究一般项目(L2015558 W2015393) 

主　　题：视觉跟踪 深度学习 卷积神经网络 谱池化 

摘      要：提出了一种基于深度频谱卷积神经网络的视觉目标跟踪算法。该算法在深度模型训练阶段采用谱池化替代深度卷积神经网络中的最大池化过程,用贝叶斯分类器替代softmax损失层计算最大分类值,并将其整合到深度神经网络跟踪框架中,通过新网络计算输入正负样本的概率分布预测目标位置。该算法充分利用谱池化在频域下降维到任意维度且计算高效的优点,克服了最大池化采样造成大量空间信息丢失的不足,提升了计算速度。在权威多场景视频标准测试库上对所提算法进行验证,结果验证了该算法兼顾了效率和跟踪精度,有效提高跟踪器的性能,在相同测试条件下,文中算法性能优于同类对比算法。