您当前的位置：
首页 >
文章列表页 >
基于主干增强和特征重排的反无人机目标跟踪
图像处理 | 更新时间：2024-05-15
|

    • 基于主干增强和特征重排的反无人机目标跟踪

    • Anti-UAV object tracking with enhanced backbone and feature rearrangement

    • “针对无人机低空飞行和视频图像目标像素占比较小的问题，研究者提出了一种名为SiamAU的孪生神经网络目标跟踪算法。该算法在SiamRPN++的基础上，引入改进的主干网络和特征重排机制，通过加入ECA-Net注意力机制网络和改进激活函数，提升复杂背景下的特征表征能力。同时，算法还进行了浅层降维和深层特征融合，得到更适合无人机等小目标跟踪的改进深度融合特征。在DUT Anti-UAV数据集上的测试表明，SiamAU算法的成功率和精确率分别达到了60.5%和88.1%，相比基准算法提升了5.6%和8.1%。这一研究成果为反无人机任务中的目标跟踪提供了新的解决方案，有望为相关领域的研究开辟新方向。”
    • 液晶与显示   2024年39卷第4期 页码：532-542

    • DOI：10.37188/CJLCD.2023-0150    

      中图分类号： TP391

    • 收稿日期：2023-04-21，

      修回日期：2023-05-05，

      纸质出版日期：2024-04-05

    移动端阅览

  • 郑滨汐, 杨志钢, 丁钰峰. 基于主干增强和特征重排的反无人机目标跟踪[J]. 液晶与显示, 2024,39(4):532-542. DOI： 10.37188/CJLCD.2023-0150.

    ZHENG Binxi, YANG Zhigang, DING Yufeng. Anti-UAV object tracking with enhanced backbone and feature rearrangement[J]. Chinese journal of liquid crystals and displays, 2024, 39(4): 532-542. DOI： 10.37188/CJLCD.2023-0150.

  •  
  •  

0

浏览量

195

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于多尺度上下文提取的小样本野生动物检测
基于改进ShuffleNetV2网络的遥感场景分类模型
融合渐进式策略的轻量化特征点提取与匹配方法
残差学习与层注意力相结合的轻量级图像超分辨

相关作者

郑滨汐
杨志钢
丁钰峰
刘珂
林珊玲
师欣雨
林坚普
吕珊红

相关机构

福州大学 先进制造学院
中国福建光电信息科学与技术实验室
中国科学院 长春光学精密机械与物理研究所 数字中心
太原师范学院 计算机科学与技术学院
太原师范学院 智能优化计算与区块链技术山西省重点实验室
0