-
题名基于深度学习的无人机单目标跟踪
- 1
-
-
作者
谢志丰
周诺
梁军
-
机构
华南师范大学软件学院
-
出处
《计算机技术与发展》
2024年第1期185-192,共8页
-
基金
广东省基础与应用基础研究基金(2022A1515140110)
广东省基础与应用基础研究基金(重点项目)(2020B1515120089)。
-
文摘
无人机单目标跟踪,是指对无人机运动过程中拍摄的视频进行实时处理,进而准确、稳定地跟踪一个移动目标。无人机单目标跟踪受环境影响较大,存在光照变化、背景干扰、目标遮挡、相似目标干扰等问题,使得追踪准确性尚有待提高。针对上述问题,以SiamRPN++为基础,对其模型和损失函数进行创新性优化。主要研究贡献:在网络骨架(Backbone)方面,通过引入注意力机制网络结构SENet,与原有模型的ResNet50组成Se_ResNet50,提升对单目标跟踪的准确性和有效性;在损失函数方面,使用Balanced L1 Loss提升关键的回归梯度,在分类、整体定位以及精确定位中实现更加平衡的训练;在SiamRPN++的结构基础上,对Backbone和Loss函数进行优化。实验使用ILSVRC2013和ILSVRC2014的DET数据集进行训练,以VOT2018和OTB100为测试数据集检验训练精度。最终追踪准确性在原基础上得到了一定的提高。
-
关键词
无人机
深度学习
目标跟踪
注意力机制
平衡l1损失
SENet
-
Keywords
unmanned aerial vehicle(UAV)
deep learning
object tracking
attention mechanism
balanced l1 loss
SENet
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名一种基于深度学习的煤矸石检测方法
被引量：9
- 2
-
-
作者
赵学军
李建
-
机构
中国矿业大学(北京)机电与信息工程学院
-
出处
《矿业科学学报》
CSCD
2021年第6期730-736,共7页
-
基金
国家高技术研究发展计划(863计划)(2012AA12A308)
国家高技术研究发展计划(1212011120222)。
-
文摘
针对选煤场的煤矸分离中基于计算机视觉的煤矸石检测方法需要复杂的人工特征设计过程,在YOLOv3目标检测模型基础上,提出一种基于深度学习的端到端煤矸石检测方法。采用深度可分离卷积以及转置卷积对模型的骨干网络进行改进,以缩减模型大小并提高模型运行速度;加入空间金字塔池化模块,改善模型的特征融合能力;引入平衡L1损失函数和距离交并比损失函数,加速模型收敛并提高定位准确性。研究结果表明,所提算法能够实时精准地检测出煤与矸石混合体中的矸石,为提高煤炭质量、改进分拣效率提供有效保障。
-
关键词
深度学习
YOlOv3
平衡l1损失函数
距离交并比损失函数
煤矸石检测
-
Keywords
deep learning
YOlOv3
balanced l1 loss function
distance-IoU loss function
coal gangue detection
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
