基于弱监督表示学习的热红外目标跟踪OACSTPCD
Weakly Supervised Based Representation Learning for Thermal Infrared Target Tracking
由于热红外成像技术具有更强的穿透雾、霾、雨、雪的能力,在恶劣天气条件下的成像效果几乎不受影响,使得基于热红外图像的目标跟踪任务越来越被研究者重视.针对基于卷积神经网络的热红外目标跟踪算法在模型训练过程中需要的带有标签的数据不足的问题,提出了一种基于弱监督表示学习的方法,利用少量的标签数据及大量的无标签数据进行模型训练,从而用于热红外目标跟踪任务.首先,利用主动学习的指导在大量无标签的数据中挑选最具有代表性的训练样本;然后,给定每个样本序列的首帧目…查看全部>>
Since thermal infrared imaging technology has a stronger ability to penetrate fog,haze,rain and snow,the imaging effect is almost unaffected in bad weather conditions,which makes the target tracking task based on thermal infrared images has been paid more and more attention by researchers.Aiming at the problem of insufficient labeled data in the model training of the thermal infrared target tracking algorithm based on convolutional neural network,a method ba…查看全部>>
袁笛
西安电子科技大学广州研究院,广东广州 510555
计算机与自动化
弱监督表示学习主动学习训练样本挑选伪标签生成热红外目标跟踪
weakly supervised representation leamingactive learningtraining sample selectionpseudo-label generationthermal infrared target tracking
《计算机技术与发展》 2024 (4)
35-41,7
国家自然科学基金(62202362)中国博士后科学基金(2021TQ0247)中央高校基本科研业务费专项资金(XJS222503)
评论