Learning to Fuse Asymmetric Feature Maps in Siamese Trackers 论文与代码笔记

本文介绍了一种ACM模块在目标跟踪中的应用,它将模板、搜索区域和第一帧BBOX分为三个分支处理,通过融合特征进行分类与回归。ACM模块相比DW卷积具有训练优势且速度快。在实现过程中遇到了两个问题:1) region模块导入错误,解决方法是重新编译;2) 缺少配置文件config.yml,需手动创建或从README获取参数。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

请添加图片描述
ACM模块的结构图大致如上图。
就是将模板、搜索区域、第一帧的BBOX 分成三个分支来进行处理,然后将这三部分相加传入head(与SiamBAN结构相同)得到分类与回归结果。
在这里插入图片描述
代码中,在初始化即生成模板时,就将kernel_part和 bbox_part生成完毕(他们会和每一帧的search_part相加)
在这里插入图片描述 track方法就是,每一帧都生成search_part和kernel_part和 bbox_part相加得到最终特征传入head。

他比DW卷积的好处是可以进行训练,更好的得到融合特征。而且速度也不慢,比用transformer代替DW卷积快很多。

=====================================
代码遇到的问题:
1: cannot import name region from partially initialized module toolkit

评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值