作者单位
摘要
1 中国科学院国家空间科学中心复杂航天系统电子信息技术重点实验室, 北京 100190
2 中国科学院大学, 北京 100049
随着无人机技术在**、民用等领域的广泛运用,高精度、低功耗智能无人机跟踪系统的需求也日益增多。针对无人机跟踪任务中目标尺度变化大、视野角度多变、遮挡等问题,提出了一种基于轻量级Siamese注意力网络的无人机实时跟踪算法。首先,选取易于部署在嵌入式设备中的轻量级卷积神经网络MobileNetV2作为特征提取主干网络;接着,设计通道空间协同注意力模块,增强模型的适应能力与判别能力;然后,搭载区域建议网络,通过互相关获取前景背景分类和边界框回归响应图;最后,加权融合多层响应图,调整候选区域筛选策略,计算得到更加准确的跟踪结果。在无人机跟踪数据集上的仿真实验结果表明,相对于当前主流算法SiamRPN,该算法跟踪精度提升了3.5%,能更好地应对复杂多变的场景。同时,在NIVIDA RTX 2060 GPU上,跟踪速度达到60 frame/s。
机器视觉 目标跟踪 Siamese网络 MobileNet 通道注意力 空间注意力 协同注意力 
光学学报
2020, 40(19): 1915001
作者单位
摘要
1 中国科学院大学,北京 100049
2 中国科学院 复杂航天系统电子信息技术重点实验室,北京 100190
3 长春大学 信息工程学院,吉林 长春 130022
针对非线性回归下客观评分与主观评分一致性差的问题,本文提出一种基于稀疏表示的SOM多失真图像质量评价方法。首先,将参考图像及失真图像应用独立变量分析进行稀疏化表示,应用稀疏表示下的参考图像与失真图像间的结构相似度描述失真图像的质量,再使用SOM聚类算法和交叉验证方法提高非线性回归下的客观评分与主观评分之间的一致性。最后,在LIVE2, TID2013及IVC数据库中的实验结果显示,所提评价模型性能优越;3种数据库的平均结果说明,该文方法的总体性能高于现有的经典算法,表明该文方法能够很好地反映图像的视觉感知效果。通过对比时间效率,该方法基本能够满足实际要求,具有较高的适用性。
图像质量评价 多失真图像 稀疏表示 聚类 交叉验证 image quality assessment multi-distorted images sparse representation clustering cross-validation 
液晶与显示
2018, 33(10): 877

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!