Derin ağlarla nesne izleme, son zamanlarda izleme performansı açısından önemli bir iyileşme sağlamıştır. Bu yazıda, yüksek performanslı nesne takibi için artık bir hiyerarşik dikkat mekanizması kullanan çok görevli bir Siyam sinir ağı öneriyoruz. Bu ağ uçtan uca çevrimdışı olarak eğitilir ve gerçek zamanlı izleme yeteneğine sahiptir. Daha verimli ve üretken dikkat çekici özellikler üretmek için, hiyerarşik dikkat çekmek için dikkat modülündeki artık atlama bağlantılarını kullanarak artık hiyerarşik dikkat öğrenme öneriyoruz. Ayrıca, bağlam farkındalığı ve regresyon hedef adaptasyonu arasındaki eksik bağlantıdan faydalanmak için çok görevli bir korelasyon filtre katmanı formüle ediyoruz ve ağın ayrımcılık yeteneğini geliştirmek için bu farklılaştırılabilir katmanı bir sinir ağına yerleştiriyoruz. Çeşitli izleme senaryoları içeren OTB, VOT ve TColor-128 veri kümelerinde gerçekleştirilen deneysel analizlerin sonuçları, önerilen gerçek zamanlı nesne izleme ağımızın verimliliğini göstermektedir.
Yorumlar
Yorum Gönder