基于MobileNet的多目标跟踪深度学习算法
作者:
作者单位:

天津大学

作者简介:

通讯作者:

中图分类号:

TP181

基金项目:

国家自然科学基金项目(面上项目,重点项目,重大项目); 微光机电系统技术教育部重点实验室(天津大学)开放基金; 天津市科技计划项目


Deep learning algorithm based on MobileNet for multi-target tracking
Author:
Affiliation:

Tianjin University

Fund Project:

The National Natural Science Foundation of China (General Program, Key Program, Major Research Plan); The open project of Key Laboratory of Micro Opto-electro Mechanical System Technology, Tianjin University, Ministry of Education; Key Technologies Program of Tianjin

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对深度学习算法在多目标跟踪中的实时性问题,本文提出了一种基于MobileNet的多目标跟踪算法.借助于MobileNet深度可分离卷积能够对深度网络模型进行压缩的原理,将YOLOv3的主干网络替换为MobileNet,通过将标准卷积分解为深度卷积和逐点卷积,并保留多尺度预测部分,以有效减少参数量.对于检测得到的边框信息,利用Deep-SORT算法进行跟踪.实验结果表明,该方法在跟踪效果基本不变的情况下,可提升处理速度近50%.

    Abstract:

    For the real-time problem of deep learning algorithm in multi-target tracking, a multi-target tracking algorithm based on MobileNet is proposed in this paper. Using the principle that deepwise separable convolution of MobileNet can compress deep network models, the YOLOv3 backbone network is replaced by MobileNet, but multiscale predictions are remained. This reduces effectively the amount of parameters by factorizing a standard convolution into a depthwise convolution and a pointwise convolution. For the detected bounding box information, the tracking task is performed by the Deep-SORT algorithm. The experimental results show that the processing speed is improved by nearly 50% under the condition of maintaining the tracking result.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2019-10-10
  • 最后修改日期:2021-01-29
  • 录用日期:2020-03-18
  • 在线发布日期:
  • 出版日期: