-
题名基于SiamFC的海上舰船跟踪实验设计
- 1
-
-
作者
郭晓菲
蔡丽萍
张涛
李永
李世宝
-
机构
中国石油大学(华东)海洋与空间信息学院
-
出处
《实验技术与管理》
CAS
北大核心
2024年第1期123-129,共7页
-
基金
国家重点基金项目(62231028)
中国石油大学(华东)教学改革项目(CM2022063,CT2022003)。
-
文摘
为了提高海上舰船跟踪准确率,设计了一种基于SAR图像的海上舰船跟踪实验方案。首先利用三组连续的卫星SAR图像构建数据集,然后根据海上舰船尺寸小、全卷积孪生网络(SiamFC)算法网络层数少的特点,提出将SiamFC算法应用于海上舰船跟踪过程。通过调整模型相关参数,并构建数据集,对模型进行了训练及测试。测试结果表明,该模型具有可行性。为了达到更好的跟踪效果,引入伽马算子对SAR图像进行增强,减少了SAR图像的相干斑点噪声。最后,对改进后的模型进行测试的结果表明,该方案的舰船跟踪准确率大大提高。
-
关键词
深度学习
合成孔径雷达
目标跟踪
siamfc算法
伽马算子
-
Keywords
deep learning
synthetic aperture radar
target tracking
siamfc algorithm
gamma operator
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于机器视觉的运动目标跟踪算法优化研究
- 2
-
-
作者
周小勇
-
机构
漳州职业技术学院
-
出处
《佳木斯大学学报(自然科学版)》
CAS
2024年第2期176-180,共5页
-
文摘
针对全卷积孪生神经网络目标跟踪速度较慢等问题,研究基于全卷积孪生网络(fully-convolutional siamese networks, SiamFC)算法提出一种卷积层替换的改进方法。将原算法的卷积层进行相应的替换,减少卷积过程中的参数计算量,以此提升网络速度以及判断力。研究采用一种深度可分离卷积与混合深度卷积进行结构更新,通过不同尺寸卷积核提取图像特征。研究利用数据集对改进算法进行验证,实验中,改进SiamFC算法相较于SiamFC算法的一次性评估成功率提了2%左右,精度提升了3%左右;在空间鲁棒性上的成功率提升了3%左右,精度提升4%左右;在时间鲁棒性上的成功率分别提升2%左右,精度分别提升5%左右。结果表明,研究改进的算法的性能得到一定程度提升。
-
关键词
机器视觉
卷积
目标跟踪
特征提取
siamfc
-
Keywords
machine vision
convolutional
target tracking
feature extraction
siamfc
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种多分辨率在线选择分支的单目标跟踪方法
被引量:1
- 3
-
-
作者
杨大为
张宇堃
尉晨阳
-
机构
沈阳理工大学信息科学与工程学院
-
出处
《微处理机》
2021年第3期27-30,共4页
-
基金
辽宁省教育厅(LG201915)
沈阳理工大学实验技术基金(2019SJB02)。
-
文摘
单目标跟踪作为计算机视觉领域中最基本的问题之一,可在第一帧视频给定标记目标后,在随后的帧中定位目标,而这其中有目标运动、视角变化、光照变化等干扰因素,针对此类由于目标发生剧烈外观变化而跟踪失败的问题,提出一种多分辨率在线选择分支的单目标跟踪方法。该方法基于孪生网络框架,结合Resnet-50深层网络,加入在线分支选择机制,构建出基于深层网络的具有在线分支选择的孪生跟踪框架。实验结果表明,在同等跟踪速率下,该方法具有更高的跟踪精度和更好的鲁棒性。
-
关键词
单目标跟踪
siamfc框架
多分辨率
在线选择分支
-
Keywords
Single target tracking
siamfc
Multi-resolution
On-line branch selection
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名复杂场景下基于特征融合的车辆跟踪
- 4
-
-
作者
赵春晖
任杰
宿南
-
机构
哈尔滨工程大学信息与通信工程学院
-
出处
《沈阳大学学报(自然科学版)》
CAS
2020年第6期478-483,F0003,共7页
-
基金
国家自然科学基金资助项目(61971153).
-
文摘
针对恶劣天气(阴天、雨天、雪天)、空气污染(雾霾天)、黑夜等复杂的视频拍摄场景导致的目标与背景相似以及孪生网络没有模型更新的车辆跟踪问题,在确保算法实时性的前提下,以SiamFC(全卷积孪生网络)为基础对其特征提取、模型更新进行改进,提出了一种利用特征融合获取目标的表观特征和语义特征以及模型更新阈值优化的方法.试验结果表明:所提算法实现了在复杂场景下的车辆跟踪,特别是在处理目标与背景相似问题上,具有很强的泛化能力及鲁棒性.
-
关键词
车辆跟踪
孪生网络
特征融合
语义特征
siamfc算法
模型更新
-
Keywords
vehicle tracking
twin network
feature fusion
semantic features
siamfc algorithm
model update
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于特征融合的双分支模板更新跟踪算法
被引量:6
- 5
-
-
作者
任立成
刘勇
张建林
魏宇星
-
机构
中国科学院光电技术研究所
中国科学院大学
中国科学院光束控制重点实验室
-
出处
《国外电子测量技术》
北大核心
2021年第5期14-21,共8页
-
基金
重大专项基金(G158207)项目资助。
-
文摘
为了提高孪生网络SiamFC++的跟踪精确度和尺度适应性,提出了一种具有特征融合和双分支模板动态更新机制的实时目标跟踪算法。针对跟踪精确度,在骨干网络的浅层设计特征融合分支从而提高特征提取能力。另外,使用平均峰值相关能量(APCE)方法判断分类模板是否更新从而提高分类能力,改善了遮挡和形变时的跟踪效果。针对尺度适应性,使用交并比梯度比值法和响应图方差率判断回归模板是否更新,增强了快速移动和尺度变化的适应性。为了保证实时性,将两个分支的更新过程嵌套起来形成双分支模板动态更新机制。在数据集OTB2015和VOT2018上的结果表明,该算法较其他几种算法跟踪效果更稳定,能更好应对快速移动和遮挡等场景,同时该算法达到了62 fps,满足实时性要求。
-
关键词
孪生网络
siamfc++
动态更新
APCE
IOU梯度比值法
响应图方差率
-
Keywords
siamese network
siamfc++
dynamic update
APCE
IOU gradient ratio method
response graph variance rate
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于细节提取的运动目标追踪算法
- 6
-
-
作者
李科
蔡坚勇
张明伟
卢依宏
曾远强
-
机构
福建师范大学光电与信息工程学院
福建师范大学医学光电科学与技术教育部重点实验室
福建师范大学福建省光子技术重点实验室
福建师范大学福建省光电传感应用工程技术研究中心
-
出处
《计算机系统应用》
2020年第1期184-189,共6页
-
基金
福建省自然科学基金(2017J01744)~~
-
文摘
目前运动目标追踪任务中干扰具有很大的欺骗性,目标追踪算法容易被带有陷阱的数据集所欺骗.为了提升追踪算法在追踪数据集上的效果,本文提出基于SiamFC孪生网络上改进的DPP-SiamFC追踪算法,该算法在原网络基础上引入DPP (Detail-Perserving Pooling)池化层和残差网络,有效的保留目标的细节特征.本文并在VOT2017追踪数据集上验证网络性能,实验结果达到了网络性能提升的效果.
-
关键词
DPP池化层
DPP-siamfc
残差网络
多重任务
细节特征
-
Keywords
DPP pooling layer
DPP-siamfc
residual network
multitasking
details of the target
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于模板更新的深层孪生网络跟踪算法
- 7
-
-
作者
陈丽萍
苑侗侗
杨文柱
陈向阳
王思乐
-
机构
河北大学网络空间安全与计算机学院
-
出处
《河北大学学报(自然科学版)》
CAS
北大核心
2022年第2期217-224,共8页
-
基金
河北省自然科学基金青年项目(F2017201069)。
-
文摘
针对跟踪过程中因尺度变化、遮挡及运动模糊等造成的目标定位不准确问题,在SiamFC(fully-convolutional siamese network)的跟踪框架基础上提出了一种具有高置信度模板更新机制的深层孪生网络目标跟踪算法.首先,主干网络采用ResNet-50残差网络进行特征提取,并融合多层特征图进行目标预测;其次,为避免模板频繁更新带来的模板漂移问题,构建了高置信度的模板更新模块.在OTB100数据集上的实验结果表明,相比基准算法,文中算法的跟踪成功率和精确度分别提高了3.4%和2.6%;在多种挑战因素下的对比实验表明,文中算法可以较好地抵抗目标遮挡、尺度变化、运动模糊等多种复杂因素带来的影响,有很好的鲁棒性.
-
关键词
目标跟踪
特征提取
特征融合
孪生网络
siamfc
-
Keywords
object tracking
feature extraction
feature fusion
siamese network
siamfc
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名带旋转与尺度估计的全卷积孪生网络目标跟踪算法
被引量:2
- 8
-
-
作者
姬张建
任兴旺
-
机构
山西大学计算机与信息技术学院
山西大学大数据科学与产业研究院
-
出处
《计算机应用》
CSCD
北大核心
2021年第9期2705-2711,共7页
-
基金
国家自然科学基金青年科学基金资助项目(61602288,61703252,61702314)
山西省自然科学基金资助项目(201701D221102,201901D211176,201901D211170)。
-
文摘
针对目标跟踪任务中,全卷积孪生网络(SiamFC)跟踪算法存在因目标的旋转、尺度变化而造成跟踪错误或跟踪结果不准确的问题,提出一种带旋转与尺度估计的SiamFC跟踪算法。该算法由定位模块与旋转、尺度估计模块两部分组成。首先在定位模块中,利用SiamFC算法获得跟踪位置,并结合旋转与尺度信息对该位置进行调整;其次在旋转、尺度估计模块中,鉴于图像的旋转和尺度变化在对数极坐标系下变成了平移运动,将目标搜索区域从笛卡儿坐标系变换到对数极坐标系下,由此便可利用相关滤波技术估计待跟踪目标的尺度和旋转角度;最终实现了一个能同步估计目标位置、旋转角度以及尺度变化的目标跟踪模型。在对比实验中,该算法在OTB2015数据集上的成功率与准确率分别达到57.7%和81.4%;在包含目标旋转和尺度变化的POT数据集上的成功率与准确率分别达到51.8%和53.3%。与SiamFC算法相比,所提算法的成功率和准确率分别提高了13.5个百分点和13.4个百分点。实验结果表明,所提算法能有效应对目标旋转与尺度变化带来的跟踪挑战。
-
关键词
目标跟踪
全卷积孪生网络
相关滤波
对数极坐标
旋转
尺度
-
Keywords
object tracking
Fully-Convolutional Siamese networks(siamfc)
correlation filtering
log-polar coordinate
rotation
scale
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-