-
题名融合重参数化与注意力机制的水下视觉多目标跟踪算法
- 1
-
-
作者
李军毅
何铭乐
刘畅
徐雍
-
机构
广东工业大学自动化学院
广东工业大学粤港智能决策与协同控制联合实验室
广东工业大学广东省智能决策与协同控制重点实验室
-
出处
《水下无人系统学报》
2025年第2期249-260,共12页
-
基金
国家自然科学基金项目资助(62206063、62121004、U22A2044)
广东省基础与应用基础研究基金项目(2024A1515010369).
-
文摘
复杂的水下环境会严重影响成像设备的稳定性和获取图像的质量,从而给水下无人自主系统视觉多目标跟踪带来极大挑战。为了解决水下相机抖动和图像退化带来的问题,文中提出一种适用于水下无人自主系统的融合重参数化与注意力机制的水下视觉多目标跟踪算法。首先,针对水下目标多样及图像退化等问题,提出基于重参数化和注意力机制改进的YOLOv8算法(RA-YOLOv8),通过融合结构重参数化的多尺度特征提取卷积结构(DBB-RFAConv)和注意力机制,有效增强网络的多尺度特征提取能力和提高模型的检测精度;然后,针对水下相机抖动问题给目标实时跟踪带来的挑战,提出基于Inner-PIoUv2改进的ByteTrack算法(IP2-ByteTrack),使用Inner-PIoUv2作为跟踪算法匹配过程中的相似度度量,增强模型在水下检测和跟踪任务中的性能,提高跟踪轨迹匹配准确性;最后,基于RA-YOLOv8和IP2-ByteTrack算法,提出一种用于水下无人自主系统的融合重参数化与注意力机制的水下视觉多目标跟踪算法。实验结果表明,所提算法在复杂水下环境中表现出优异的性能,能够有效解决现有方法在水下多目标跟踪中的不足。
-
关键词
水下视觉
多目标跟踪
YOLO
ByteTrack
重参数化
注意力机制
-
Keywords
underwater visual
multi-target tracking
YOLO
ByteTrack
re-parameterization
attention mechanism
-
分类号
TJ630.34
[兵器科学与技术—武器系统与运用工程]
U674.76
[交通运输工程—船舶及航道工程]
-
