-
题名基于注意力机制的特征融合孪生网络目标跟踪算法
- 1
-
-
作者
石健彤
王瑜
毕玉
肖洪兵
孙梅
-
机构
北京工商大学人工智能学院
-
出处
《传感器与微系统》
CSCD
北大核心
2024年第8期145-149,共5页
-
基金
北京市自然科学基金-北京市教育委员会科技计划重点项目(KZ202110011015)。
-
文摘
提出一种基于注意力机制的特征融合孪生网络目标跟踪算法。针对目标跟踪算法特征提取网络深度较浅导致特征鲁棒性不足的问题,使用改进后的ResNet-50网络提取模板帧和搜索帧图像的深层和浅层特征,并利用通道和空间注意力机制对提取得到的深浅层特征进行融合。针对目标跟踪算法仅使用首帧图像作为模板导致模板失效、跟踪漂移等问题,在传统孪生网络中增加一条模板分支以将首帧和搜索帧前一帧图像共同作为目标模板。与传统经典的跟踪方法相比,提出的算法在OTB100和VOT2016数据集的相关实验获得了最佳的性能表现,验证了提出算法的有效性和可行性。
-
关键词
目标跟踪
孪生网络
特征提取
特征融合
注意力机制
-
Keywords
object tracking
Siamese network
feature extraction
feature fusion
attention mechanism
-
分类号
TP317.4
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于注意力与多级特征融合的YOLOv5算法
- 2
-
-
作者
王瑜
毕玉
石健彤
肖洪兵
孙梅
-
机构
北京工商大学计算机与人工智能学院
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2024年第3期38-45,95,共9页
-
基金
北京市教委-市自然科学基金联合资助项目(KZ202110011015)。
-
文摘
针对复杂场景下目标检测与识别精度较低的问题,提出了一种基于注意力与多级特征融合的YOLOv5目标检测与识别算法。该算法在传统YOLOv5s模型的主干网络中引入双空间方向的金字塔切分注意力机制,增强对特征空间和通道信息的学习能力,同时在瓶颈网络中采用多级特征融合结构,对不同分支的特征进行融合,增加特征的丰富性,提升应对复杂场景的能力。此外,利用C3Ghost模块和深度可分离卷积分别替换C3模块和普通卷积,降低网络参数量和复杂度。结果表明:与传统的YOLOv5s算法相比,所提算法在VOC2007+2012数据集的均值平均精度高达85%,在智能零售柜商品识别数据集的均值平均精度高达97.2%,表现出较好的性能。
-
关键词
深度学习
YOLOv5s
目标检测
多级特征融合
注意力机制
-
Keywords
deep learning
YOLOv5s
object detection
multistage feature fusion
attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
