之后:基于注意力的融合路由器用于RGBT跟踪
概括
这项研究介绍了AFTER,一种基于注意力的融合路由器,用于强大的红绿蓝深度 (RGBT) 追踪. AFTER 动态优化聚变结构,以克服动态场景中的挑战,改善跟踪性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 多模式特征融合对于红绿蓝深度 (RGBT) 追踪至关重要.
- 现有的RGBT追踪器通常使用固定的融合结构,限制了适应动态场景的适应性.
研究的目的:
- 开发一种基于注意力的新型融合路由器 (AFTER),用于强大的RGBT跟踪.
- 为了使核聚变结构能够动态地适应具有挑战性的场景.
主要方法:
- 使用层次关注网络设计了一个融合结构空间.
- 网络中的每个单元都代表了一个融合操作,它们的组合形成了融合结构.
- 开发了与路由器的动态路由算法,以预测组合重量,以实现高效的融合结构优化.
主要成果:
- 与最先进的RGBT追踪器相比,AFTER表现出优越的性能.
- 在五个主流RGBT跟踪数据集上进行了广泛的实验,验证了拟议方法的有效性.
结论:
- 拟议的AFTER方法为RGBT跟踪提供了一个动态和自适应的方法.
- AFTER优化聚变结构的能力提高了在充满挑战的动态环境中的稳定性.
