一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法

一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法

论文摘要

视觉目标跟踪在各种海事应用中发挥着重要作用。然而,现有的跟踪方法大多属于生成模型,只关注对象的特征,忽略背景信息。因此,对目标的视觉显著性有更高的要求。本文将深度学习方法应用于船舶跟踪,提出使用孪生网络和区域推荐网络的海上船舶跟踪方法。为进一步提高跟踪性能,参照AlexNet网络对孪生网络的CNN模块进行修改,并提出一种基于历史轨迹的自适应搜索区域提取方法,以适应不同的运动场景。利用数据集对所提出的跟踪器进行评估。结果表明,在使用Intel Xeon CPU E5-2620,GTX TITAN的PC机上可以达到58%的平均精度和124.21 FPS。

论文目录

文章来源

类型: 期刊论文

作者: 张云飞,黄润辉,单云霄,周晓梅

关键词: 海事环境,孪生网络,区域推荐网络,单目标跟踪

来源: 舰船科学技术 2019年23期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 船舶工业,自动化技术

单位: 中山大学数据科学与计算机学院

基金: 广东重点研发计划资助项目(2018B00108004),南方海洋科学与工程广东省实验室资助项目

分类号: TP18;U664.82

页码: 103-108

总页数: 6

文件大小: 4761K

下载量: 110

相关论文文献

标签:;  ;  ;  ;  

一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法
下载Doc文档

猜你喜欢