文献类型：期刊文献

中文题名：QuarkModule:一种用于多目标跟踪(MOT)的高效卷积

英文题名：QUARKMODULE:AN EFFICIENT CONVOLUTIONAL OPERATOR FOR MULTI-OBJECT TRACKING

作者：张敬尊[1];何宁[1];晏康[1];王琪[2];王鑫[1];陈明[2]

第一作者：张敬尊

机构：[1]北京联合大学智慧城市学院,北京100101;[2]北京市信息服务工程重点实验室,北京100101

第一机构：北京联合大学智慧城市学院

年份：2026

卷号：43

期号：2

起止页码：317-323

中文期刊名：计算机应用与软件

外文期刊名：Computer Applications and Software

收录：;北大核心:【北大核心2023】；

基金：国家自然科学基金项目(62272049,61872042,61572077);北京市教委科技重点项目(KZ201911417048);北京市教委科技项目(KM202111417009);北京联合大学人才强校优选计划项目(BPHR2020AZ01,BPHR2020EZ01);国家重点研发计划项目(2018AAA0100804)。

语种：中文

中文关键词：多目标跟踪;轻量化模型;ECA;深度可分离卷积;JDE

外文关键词：Multi-object tracking;Lightweight model;ECA;Depthwise separable convolution;JDE

摘要：以轻量化为目标,提出一种可用于多目标跟踪(Multi-Object Tracking,MOT)模型的高效卷积QuarkModule,该卷积算子可从宽度和深度两个方面对深度神经网络模型进行轻量化。基于QuarkModule,对经典JDE(Joint Detection and Embedding)算法进行改进,提出一种轻量化的MOT模型QuarkJDE,为进一步验证QuarkModule的泛化能力,构建轻量化分类模型QuarkNet。基于公开数据集,对两个轻量化模型展开多维实验,实验结果充分验证QuarkModule的效率和特征学习能力。
An efficient convolutional operator named QuarkModule for multi-object tracking(MOT)is proposed for the purpose of lightweight,which can be used to lightweight deep neural network models from both width and depth.Based on QuarkModule,a lightweight MOT model QuarkJDE was proposed to improve the classical JDE(Joint Detection and Embedding)algorithm.In order to verify the generalization ability of QuarkModule,another lightweight classification model QuarkNet was constructed.Diverse experiments were carried out on basis of public benchmark datasets to test the above two models,all the results fully proved the efficiency and feature learning ability of QuarkModule.