Page 77 - 《软件学报》2020年第9期
P. 77
2698 Journal of Software 软件学报 Vol.31, No.9, September 2020
核
预处理 响应图
conv1 bn relu max pool conv2 bn relu max pool conv3 bn relu conv4 bn relu conv5 conv
特征图 响应图极值序列
第一帧
追踪目标 相关滤波器
响应图
任务分割
信息融合
响应图重建
峰值位置
Fig.5 Schematic diagram of the calculation process of the task (picture is OTB100 [29] DragonBaby)
图 5 计算任务处理流程示意图(图片为 OTB100 [29] DragonBaby)
2.4 信息融合策略
集成学习(ensemble learning)目前已成为工程应用中经常采用的策略,用以聚合不同算法的优势.本文通过
评测响应图波动程度来评价模型对当前预测的目标位置的置信程度,根据峰值置信度指标对不同算法计算所
得的响应图谱进行度量,由此确定具体融合系数.滤波器响应图如图 6 所示,其中左图为高置信度示例,右图为低
置信度示例.
(a) 置信度较高 (b) 置信度较低
Fig.6 Filter response map
图 6 滤波器响应图
响应图预处理时,归一化其取值范围到[0,M]:
peak _confidence := Var (D θ ) Var− (D θ ′ ) δ+ s.t. peak _confidence θ> (1)
) δ
VarD + pc
(
θ
其中,Var(⋅)表示方差;D θ 为响应图中极值数据点集合,D θ′ 表示去除响应图中最大值后极值点集合,且集合 D θ 中滤
除小于阈值θ pc 的极值,以增强鲁棒性,超参数θ pc 预先设置.ε为超参数,用于避免运算中数值溢出而预先定义的极
小值.滤波器仅在峰值置信度高于阈值时进行更新.
此外,由于响应图传输时间对算法总体处理时间影响较大,算法仅传输响应图中高于一定阈值的极值集合
以降低信息传输量,终端节点通过回传极值信息,对响应图进行重建:
