论文部分内容阅读
为了对目标对象进行鲁棒的特征表达以用于更加准确的跟踪和定位,针对卷积神经网络的不同层能够提取到目标的不同特征表达这一特性,提出一种基于卷积神经网络多层特征融合的目标跟踪方法。该方法将网络提取到的低层纹理特征和高层语义特征进行有效的融合,并将之用于跟踪网络模型的训练。此外,融合后的特征表达还被用来训练Bounding Box回归模型,用于对跟踪结果的优化。通过在OTB100标准数据集上将所提方法与目前有代表性的几种跟踪方法进行对比,所提出的特征融合方法使系统的综合指标得到了显著提升,证明所提方法的有效性。