期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向复杂海洋环境的多类别多目标跟踪算法
1
作者
陈思旭
欧阳华
+2 位作者
周鑫磊
秦小龙
王俊升
《海军工程大学学报》
北大核心
2025年第3期20-25,43,共7页
为解决多目标跟踪中普遍存在的ID切换和跟踪不连续等问题,探讨了两种主流的多目标跟踪范式。首先,研究改造了JDE(joint detection and embedding)算法,克服了基于“锚”检测器的局限,并优化了FairMOT(fair multiple object tracking)的...
为解决多目标跟踪中普遍存在的ID切换和跟踪不连续等问题,探讨了两种主流的多目标跟踪范式。首先,研究改造了JDE(joint detection and embedding)算法,克服了基于“锚”检测器的局限,并优化了FairMOT(fair multiple object tracking)的网络结构,建立了两阶段训练流程以确保目标检测与ReID特征提取的一致性;然后,提出了多类别多目标跟踪(multi-class multi-object tracking,MCMOT)算法,通过引入有限状态机(finite state machine,FSM)和交互多模型(interacting multiple model,IMM)提高了跟踪的准确性和鲁棒性。构建的MCMOT数据集模拟了海面环境中的遮挡与动态变化,实验结果表明:MCMOT在MOT17数据集上相较于FairMOT和ByteTrack具有更高的检测性能和鲁棒性。
展开更多
关键词
多类别多目标跟踪算法
bytetrack
IMM
在线阅读
下载PDF
职称材料
基于无人机航拍视频车辆多目标跟踪算法研究
被引量：
3
2
作者
朱奇光
商健
+2 位作者
刘博
岑强
陈卫东
《计量学报》
CSCD
北大核心
2024年第12期1772-1779,共8页
为了提高无人机视觉平台下的车辆多目标跟踪精度,提出了一种改进YOLOv7网络与优化ByteTrack算法相结合的无人机视觉车辆多目标跟踪算法。首先,针对小目标特征不明显的情况,增强了YOLOv7网络浅层语义信息的特征提取能力,同时采用SIoU-Los...
为了提高无人机视觉平台下的车辆多目标跟踪精度,提出了一种改进YOLOv7网络与优化ByteTrack算法相结合的无人机视觉车辆多目标跟踪算法。首先,针对小目标特征不明显的情况,增强了YOLOv7网络浅层语义信息的特征提取能力,同时采用SIoU-Loss对坐标损失函数进行优化,加快锚框收敛速度;其次,根据车辆运动特点,在ByteTrack算法的基础上,将卡尔曼滤波算法的状态向量融入加速度信息;最后,在VisDrone2021数据集上验证算法的有效性。实验结果表明:改进YOLOv7网络的平均检测精度比原网络提高3.2%,跟踪算法准确度比基准算法提高1.2%,高阶跟踪精度提高2.9%。
展开更多
关键词
计算机视觉
图像处理
多目标跟踪
无人机
YOLOv7网络
bytetrack
算法
车辆检测
在线阅读
下载PDF
职称材料
具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法
被引量：
4
3
作者
李鹏龙
张胜茂
+3 位作者
沈烈
樊伟
顾家辉
邹国华
《大连海洋大学学报》
CAS
CSCD
北大核心
2024年第2期318-326,共9页
为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存...
为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添加了新的视觉通用变换器BiFormer以提升计算效率,并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明:使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果,慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明,本文中设计的YOLOv8n-BiFormer模型具有通用性,在检测和追踪血鹦鹉和慈鲷目标方面均表现优异,消耗的计算资源较少,可部署在水族箱监控系统中,为观赏鱼信息记录自动化和智能化提供了可行的解决方案。
展开更多
关键词
血鹦鹉
慈鲷
YOLOv8模型
检测追踪
bytetrack
算法
在线阅读
下载PDF
职称材料
题名
面向复杂海洋环境的多类别多目标跟踪算法
1
作者
陈思旭
欧阳华
周鑫磊
秦小龙
王俊升
机构
海军工程大学
[
出处
《海军工程大学学报》
北大核心
2025年第3期20-25,43,共7页
基金
国家自然科学基金资助项目(42122025,42404017)。
文摘
为解决多目标跟踪中普遍存在的ID切换和跟踪不连续等问题,探讨了两种主流的多目标跟踪范式。首先,研究改造了JDE(joint detection and embedding)算法,克服了基于“锚”检测器的局限,并优化了FairMOT(fair multiple object tracking)的网络结构,建立了两阶段训练流程以确保目标检测与ReID特征提取的一致性;然后,提出了多类别多目标跟踪(multi-class multi-object tracking,MCMOT)算法,通过引入有限状态机(finite state machine,FSM)和交互多模型(interacting multiple model,IMM)提高了跟踪的准确性和鲁棒性。构建的MCMOT数据集模拟了海面环境中的遮挡与动态变化,实验结果表明:MCMOT在MOT17数据集上相较于FairMOT和ByteTrack具有更高的检测性能和鲁棒性。
关键词
多类别多目标跟踪算法
bytetrack
IMM
Keywords
multi-class multi-object tracking
algorithm
bytetrack
IMM
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于无人机航拍视频车辆多目标跟踪算法研究
被引量：
3
2
作者
朱奇光
商健
刘博
岑强
陈卫东
机构
燕山大学信息科学与工程学院
河北省特种光纤与光纤传感重点实验室
出处
《计量学报》
CSCD
北大核心
2024年第12期1772-1779,共8页
基金
国家自然科学基金(61773333,62273296)。
文摘
为了提高无人机视觉平台下的车辆多目标跟踪精度,提出了一种改进YOLOv7网络与优化ByteTrack算法相结合的无人机视觉车辆多目标跟踪算法。首先,针对小目标特征不明显的情况,增强了YOLOv7网络浅层语义信息的特征提取能力,同时采用SIoU-Loss对坐标损失函数进行优化,加快锚框收敛速度;其次,根据车辆运动特点,在ByteTrack算法的基础上,将卡尔曼滤波算法的状态向量融入加速度信息;最后,在VisDrone2021数据集上验证算法的有效性。实验结果表明:改进YOLOv7网络的平均检测精度比原网络提高3.2%,跟踪算法准确度比基准算法提高1.2%,高阶跟踪精度提高2.9%。
关键词
计算机视觉
图像处理
多目标跟踪
无人机
YOLOv7网络
bytetrack
算法
车辆检测
Keywords
computer vision
image processing
multi-target tracking
unmanned aerial vehicle
YOLOv7 network
bytetrack algorithm
vehicle detection
分类号
TB96 [机械工程—光学工程]
在线阅读
下载PDF
职称材料
题名
具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法
被引量：
4
3
作者
李鹏龙
张胜茂
沈烈
樊伟
顾家辉
邹国华
机构
大连海洋大学航海与船舶工程学院
中国水产科学研究院东海水产研究所农业农村部渔业遥感重点试验室
上海峻鼎渔业科技有限公司
出处
《大连海洋大学学报》
CAS
CSCD
北大核心
2024年第2期318-326,共9页
基金
国家自然科学基金(61936014)
崂山实验室专项经费资助(LSKJ202201804)。
文摘
为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添加了新的视觉通用变换器BiFormer以提升计算效率,并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明:使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果,慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明,本文中设计的YOLOv8n-BiFormer模型具有通用性,在检测和追踪血鹦鹉和慈鲷目标方面均表现优异,消耗的计算资源较少,可部署在水族箱监控系统中,为观赏鱼信息记录自动化和智能化提供了可行的解决方案。
关键词
血鹦鹉
慈鲷
YOLOv8模型
检测追踪
bytetrack
算法
Keywords
Vieja synspila♀×Amphilophus citrinellus♂
Chindongo demasoni
YOLOv8 model
detection and tracking
bytetrack algorithm
分类号
S917.4 [农业科学—水产科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向复杂海洋环境的多类别多目标跟踪算法
陈思旭
欧阳华
周鑫磊
秦小龙
王俊升
《海军工程大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于无人机航拍视频车辆多目标跟踪算法研究
朱奇光
商健
刘博
岑强
陈卫东
《计量学报》
CSCD
北大核心
2024
3
在线阅读
下载PDF
职称材料
3
具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法
李鹏龙
张胜茂
沈烈
樊伟
顾家辉
邹国华
《大连海洋大学学报》
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
