检索结果-南通市图书馆

控制与决策 2024年第12期39卷 4017-4026页

作者：陈志旺杨天宇曹索航吕昌昊彭勇燕山大学智能控制系统与智能装备教育部工程研究中心燕山大学工业计算机控制工程河北省重点实验室燕山大学电力电子节能与传动控制河北省重点实验室燕山大学电气工程学院

利用改进的Inception-Resnet-V2 (IRV2)网络和局部-全局-局部(local-global-local, LGL)模块设计一种结合CNN和Transformer编码结构的孪生网络SiamLGL (siamese local-global-local network)用于目标跟踪.首先,算法特征提取部分采用改进后的IRV2网络,由于网络的层数更深,图片经过IRV2网络提取的特征较浅层网络提取的特征效果更优,特征融合部分采用深度互相关将特征图上的信息进行融合;其次,融合后的特征图利用LGL模块获取目标的全局和局部信息,模块内部采用两个编码器串联,第1个编码器利用深度可分离卷积获取目标的局部信息,第2个编码器利用自注意力获取图片的全局特征,为了降低自注意力结构的时间复杂度,采用稀疏注意力的方式进行计算,在降低时间复杂度的同时保证网络的精度;最后将特征图输入至分类回归网络中,生成对应的目标位置,其中分类网络采用二元交叉熵损失函数,回归网络采用distance-iou (Diou)作为损失函数.算法在GOT-10k、LaSOT、TrackingNet、UAV123、OTB100和VOT2019等6个公开数据集上进行实验评估,结果验证了算法的有效性.

关键词：目标跟踪孪生网络 Inception-Resnet-V2网络稀疏注意力 distance-iou损失

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于孪生网络的目标跟踪算法研究

基于孪生网络的目标跟踪算法研究

引用

作者：刘闪哈尔滨工程大学

学位级别：硕士

计算机视觉利用计算机等智能设备来模拟人的视觉机理,随后借助图像处理、模式识别等技术对现实世界进行建模。计算机视觉领域中一个广受欢迎且备受挑战的研究任务就是对视觉目标进行跟踪,即根据图像序列的上下文信息对视觉目标的空间位... 详细信息

计算机视觉利用计算机等智能设备来模拟人的视觉机理,随后借助图像处理、模式识别等技术对现实世界进行建模。计算机视觉领域中一个广受欢迎且备受挑战的研究任务就是对视觉目标进行跟踪,即根据图像序列的上下文信息对视觉目标的空间位置进行预测和校准。目标跟踪被大规模应用在汽车辅助驾驶系统、人机交互和智能视频监控系统等视觉应用中。几十年来,目标跟踪算法迅速发展。其中,借助孪生网络构建视觉跟踪算法框架均衡了跟踪精度和运行速度,成为了学者们的研究热点。本文分别对具有代表意义的全卷积孪生网络(Siam FC)和孪生区域候选网络(Siam RPN)进行改进并提出了两种不同的跟踪方案。具体研究内容安排如下:首先,本文介绍了目标跟踪算法的研究意义,以及在复杂的现实生活场景中目标跟踪所受到的干扰因素。进一步阐述了跟踪技术的国内外研究现状。然后说明了神经网络的相关基础理论并引出孪生神经网络结构,以及它在解决跟踪任务中相对于传统算法所具有的优势。同时解释了目标跟踪的总体框架并引出了相应的数据集。对评价指标做了详细介绍以便后续对跟踪算法进行清晰而准确的比较。其次,在Siam FC算法的基础上设计了基于多级特征融合的更深层孪生网络目标跟踪算法。该算法探究了深层骨干网络的各项参数对跟踪性能的影响,并对特征提取能力更强的Res Net50做出相应修改。对特征图执行不同尺寸的中心裁剪,在一定程度上解决了深层网络中的填充会使跟踪算法在训练过程中学习到中心位置偏差的问题。随后对高级语义和低级空间信息采用了两种融合方式并分别进行验证。同时还引入了注意力机制以实现最低程度的目标自适应。将该算法在OTB2013、OTB2015、VOT2016、UAV123等跟踪基准上开展实验并评估相应指标,表明了所提算法效果良好。最后,在Siam RPN算法的基础上设计了基于distance-Io U损失的孪生网络实时目标跟踪算法。该算法设计的主要思想是基于distance-Io U损失的更精确的边界框回归,并结合使用多层特征融合的优势来构建表征能力更强的孪生网络。将该算法在OTB2015、VOT2016、VOT2018、UAV123等跟踪基准上开展实验并评估相应指标,证实了该算法在完全满足实时跟踪的前提下保证了跟踪的精度。

关键词：目标跟踪孪生网络特征裁剪与融合注意力机制 distance-iou损失

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：