注意力聚集无锚框的孪生网络无人机跟踪算法

扫码查看

原文链接

万方数据
维普

中文摘要：针对无人机目标跟踪过程中经常出现角度变化、形变、相似物体干扰等问题，提出轻量级注意力聚集无锚框的孪生网络无人机实时目标跟踪算法。考虑到无人机高空视角跟踪目标较小，在特征模板两分支中引入高效通道注意力机制，能够有效获取目标的语义信息和细节信息。在融合两层响应的基础上，引入空间注意力机制，能够有效地聚合注意力特征，同时扩大模型的视野范围。引入无锚框机制，针对每个像素进行分类和预测回归目标框，减少了模型复杂度，大大降低了计算量。在UAV123@10fps、UAV20L和DTB70等无人机跟踪数据集上与多个当前比较流行的算法进行对比实验，结果表明，所提算法在3个无人机数据集上的平均跟踪速度达到155。2帧/s，在多种复杂环境下，均能实现对目标的有效跟踪。

外文标题：Attention aggregation siamese network with anchor free scheme for UAV object tracking

外文关键词：

unmanned aerial vehicleobject trackinganchor freesiamese networkchannel attention

作者：

王海军、马文来、张圣燕

展开 >

作者单位：

滨州学院山东省高校航空信息与控制重点实验室,山东滨州 256603

南京航空航天大学民航学院,江苏南京 211106

关键词：

无人机目标跟踪无锚框孪生网络通道注意力

基金：

山东省自然科学基金资助项目滨州学院博士启动基金资助项目滨州学院重大科研基金资助项目

项目编号：

ZR2020MF1422021Y042019ZD03

出版年：

2023

DOI：

10.3785/j.issn.1008-973X.2023.10.004

浙江大学学报(工学版)

浙江大学

浙江大学学报(工学版)

CSTPCDCSCD北大核心

影响因子：0.625

ISSN：1008-973X

年,卷(期)：2023.57(10)

参考文献量32