加权全局上下文感知相关滤波视觉跟踪算法

基于上下文感知(Context-Aware,CA)框架的相关滤波算法是新近提出的一种视觉跟踪算法,其不足是在处理快速运动、运动模糊、遮挡、比例变化等情形时同等对待上下文信息,降低了视觉跟踪的鲁棒性。针对上述问题,提出了基于加权全局上下文感知(Weighted Global Context-Aware,WGCA)框架的相关滤波视觉跟踪算法。重构了原始的优化问题;根据上下文不同区域与追踪目标运动相似度的大小,赋予上下文区域不同的权值,计算出权值矩阵;给出了单通道和多通道情形的原始域、对偶域的闭式解。通过在基准测试集OTB-100上进行实验,结果表明该框架显著提高了相关滤波器的鲁棒性,其跟踪速度与CA框架相当,但跟踪精度和成功率较后者分别提高了7%和14%。

基于改进的YOLOv8布匹残损检测算法

针对布匹残损检测实时性差、残损与背景相似度高及尺寸差异大等问题,提出一种基于YOLOv8的布匹残损检测算法。采用GSConv轻量化骨干网络,在保持准确性的同时减轻计算负担;引入双向特征金字塔网络,双向跨尺度连接和加权多尺度特征融合;TransViBlock模块使模型具有全局上下文感知能力,显著提升了不同尺度目标的检测效果。相较于基准模型YOLOv8,本算法准确率、召回率、平均精度分别提高2.7%、2.4%、2.9%,与传统布匹检测算法相比,在残损种类复杂和检出难度较大等情况准确性较高。