EANet:基于增强属性的RGBT跟踪网络
计算机视觉与模式识别
2023-07-06 v1
摘要
在计算机视觉中,目标跟踪可能是一项困难的任务,尤其是在面临遮挡、光照变化和运动模糊等挑战时。深度学习的近期进展在应对这些条件方面展现出前景。然而,大多数基于深度学习的目标跟踪器仅使用可见光波段(RGB)图像。热红外电磁波(TIR)可在面临挑战性条件时提供关于目标的附加信息,包括其温度。我们提出了一种融合RGB与热图像的基于深度学习的图像跟踪方法(RGBT)。所提模型由两个主要组件构成:特征提取器和跟踪器。特征提取器从RGB和TIR图像中编码深度特征。跟踪器随后使用这些特征,通过一种基于增强属性的架构来跟踪目标。我们提出了属性特定特征选择与聚合模块的融合。所提方法在RGBT234 \cite{LiCLiang2018} 和 LasHeR \cite{LiLasher2021} 数据集上进行了评估,这些是文献中最广泛使用的RGBT目标跟踪数据集。结果表明,所提系统在这些数据集上以相对更少的参数量优于最先进的RGBT目标跟踪器。
引用
@article{arxiv.2307.01893,
title = {EANet: Enhanced Attribute-based RGBT Tracker Network},
author = {Abbas Türkoğlu and Erdem Akagündüz},
journal= {arXiv preprint arXiv:2307.01893},
year = {2023}
}