基于三值量化的多尺度对抗性目标跟踪算法

摘要

基于三值量化的多尺度对抗性目标跟踪算法，涉及图像处理。通过对对抗性目标跟踪算法VITAL进行改进，对预训练的卷积神经网络进行修改，增加其深度的同时对其进行三值量化处理，通过反向传播训练进行微调，在跟踪过程中，采用多尺度投票方式，将多尺度跟踪结果进行融合，进而实现在保证跟踪精度的同时极大压缩模型大小并加快跟踪速度的新型高效跟踪框架；在保证跟踪效果的同时，极大压缩了追踪器模型大小与计算速度，解决了目标追踪不能较好的迁移到移动设备上的痛点；有效解决了目标跟踪任务中的尺度变换问题，使得追踪结果更具有鲁棒性与准确性；在达到与现有的其他目标跟踪方法相当的跟踪性能的基础上，可以达到移动设备的负载要求。