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