期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于实时动态模板更新的Transformer目标跟踪方法
1
作者 孙子文 钱立志 +2 位作者 袁广林 杨传栋 凌冲 《计算机工程》 北大核心 2025年第4期158-168,共11页
基于Transformer的目标跟踪方法广泛应用在计算机视觉领域,并取得了优异的效果。但是,由于在实际跟踪任务中受目标变换、目标遮挡、光照变化以及目标快速运动等因素的影响,导致目标信息发生变化,现有方法对目标模板变化信息利用不足,限... 基于Transformer的目标跟踪方法广泛应用在计算机视觉领域,并取得了优异的效果。但是,由于在实际跟踪任务中受目标变换、目标遮挡、光照变化以及目标快速运动等因素的影响,导致目标信息发生变化,现有方法对目标模板变化信息利用不足,限制了跟踪性能的提高。为此,通过附加一条动态模板更新分支反映目标最新的外观和运动状态,提出一种基于实时动态模板更新的Transformer目标跟踪方法TransTRDT。该分支通过模板质量评分头对模板是否更新进行判断,当判定可以进行更新时,随后将初始模板、前一帧动态模板以及裁剪后的最新预测结果传入动态模板更新网络中更新动态模板,通过获取更可靠的模板从而实现更准确的目标跟踪。在公共数据集上的实验结果表明,TransTRDT在GOT-10k、LaSOT以及TrackingNet上的跟踪性能优于SwinTrack和StarK等算法,在OTB100中的跟踪成功率为71.9%,跟踪速度为36.82帧/s,达到目前行业的领先水平。 展开更多
关键词 目标跟踪 注意力机制 动态模板更新 质量评分头 Transformer目标跟踪
在线阅读 下载PDF
基于弹载图像的代价敏感与平滑约束结构化SVM目标跟踪方法
2
作者 孙子文 钱立志 +2 位作者 杨传栋 袁广林 凌冲 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第6期142-149,共8页
目标自寻的炮弹打击目标时,传统的目标跟踪方法易受混杂背景的影响,产生模型漂移从而导致跟踪失败。近年来,随着结构化SVM技术的发展,基于结构化SVM的目标跟踪方法能够有效解决复杂背景的问题。弹载成像条件下,在结构化SVM目标跟踪方法... 目标自寻的炮弹打击目标时,传统的目标跟踪方法易受混杂背景的影响,产生模型漂移从而导致跟踪失败。近年来,随着结构化SVM技术的发展,基于结构化SVM的目标跟踪方法能够有效解决复杂背景的问题。弹载成像条件下,在结构化SVM目标跟踪方法的基础上,增加代价敏感权重解决弹载图像中背景混杂所引起的正、负样本不平衡问题,同时利用t时刻超平面法向量w_(t)与t-1时刻超平面法向量w_(t-1)差值的L_(2)范数作为平滑约束抑制模型漂移问题。通过基于对偶坐标下降原理设计了模型的求解算法并实现一种多尺度目标跟踪方法Scale-CS_SSVM。在弹载数据集上进行实验验证,结果表明:与Scale-DLSSVM方法相比,Scale-CS_SSVM在跟踪精度和成功率上分别提高了5.5和5.0个百分点,达到了最优的性能。 展开更多
关键词 弹载图像 目标跟踪 代价敏感 平滑约束 结构化SVM
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部