摘要
في مواجهة النقص في النهج الحالي لتتبع الأهداف المتعددة المبني على الكشف، تعتمد هذه الورقة على خوارزمية DeepSort كأساس لإجراء البحث بغرض حل مشكلة التبديل المتكرر لمعرفات الأهداف نتيجة التعتيم أثناء التتبع. أولاً، تم تحسين نموذج المظهر عن طريق استبدال شبكة البقايا العريضة الأصلية بشبكة ResNeXt، مع إدخال آلية الانتباه التلافيفي على الشبكة الأساسية لبناء شبكة جديدة لإعادة التعرف على المشاة، مما يجعل النموذج يركز أكثر على المعلومات الرئيسية للأهداف ويستخرج ميزات أكثر فاعلية؛ ثم تم استخدام YOLOv5 كخوارزمية كشف، مع إضافة طبقة كشف لتكييف النموذج مع الأهداف ذات الأحجام المختلفة، وإضافة آلية انتباه الإحداثيات على الشبكة الأساسية لتعزيز دقة نموذج الكشف. أجريت تجارب تتبع الأهداف المتعددة على مجموعة بيانات MOT16، حيث بلغت دقة التتبع 66.2%، ودقة التتبع الدقيقة 80.8%، مع تلبية متطلبات التتبع في الوقت الحقيقي.
关键词
تتبع الأهداف المتعددة;إعادة التعرف على المشاة;YOLOv5;آلية الانتباه;التعلم العميق
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website