基于门限卷积孪生网络的无人机对地目标跟踪
无人机对地目标跟踪一直都是计算机视觉图像处理领域最热门的研究方向之一，并被广泛应用于民用及军用领域。为了解决无人机视场中拍摄场景复杂、目标特征不明显造成相似物易混淆、跟踪性能下降的问题，提出了一种基于门限卷积孪生网络的无人机对地目标跟踪方法。采用SiameseFC 作为基网络，在目标特征提取阶段，引入上下文门限卷积以修改方形卷积核的权重，增强网络对全局上下文的关注能力，突出目标本身的特征，提升网络模型的鲁棒性。通过在UAV123 数据集和自制数据集上进行定量和定性实验，证明这种方法在具有较高跟踪性能的情况下，显著提高跟踪速度。
目标跟踪 孪生神经网络 上下文门限卷积 无人机视频
孙晓迪 刘文楷 孙嘉怡 毕福昆 刘靖
北方工业大学信息学院,北京 100144 北京空间飞行器总体设计部,北京 100094
国内会议
重庆
中文
300-303,318
2022-04-10（万方平台首次上网日期，不代表论文的发表时间）