基于深度学习的尺度自适应海面目标跟踪算法OACSTPCD
Scale Adaptive Sea Surface Target Tracking Algorithm Based on Deep Learning
相比于普通场景的目标跟踪,无人艇海面目标跟踪具有目标尺度变化大、目标抖动剧烈和视角变化大等独特挑战.针对此,文中提出了基于深度学习的尺度自适应海面目标跟踪算法,以样本中心点是否落在真实目标框内对样本进行分类,直接回归中心点到目标框上下左右的距离预测目标框的位置和尺度.同时,建立了海面目标跟踪算法评估平台,以验证所提算法的有效性.试验结果表明,文中算法相比基于锚框的算法跟踪位置精度提升了4.8％,成功率提升了11.49％,有效解决了目标尺度自适应问题.
吴翔;钟雨轩;岳琪琪;李小毛
上海大学 机电工程与自动化学院, 上海, 200444上海大学 计算机工程与科学学院, 上海, 200444上海大学 机电工程与自动化学院, 上海, 200444上海大学 机电工程与自动化学院, 上海, 200444
交通工程
无人艇尺度自适应深度学习目标跟踪
《水下无人系统学报》 2020 (6)
618-625,8
国家重点研发计划资助项目(2017YFC0806700) 科技部重点研发计划项目(No.2018YFF0103400) 上海市科学技术委员会科研计划项目(No.17DZ1205001)
评论