针对目标跟踪中常见的目标遮挡问题,提出一种自适应特征匹配网络。该网络通过计算查询帧与记忆帧像素级相似度,将目标和背景相似度关系进行编码,获得像素级相似度矩阵,并通过将查询帧与记忆帧分头的方式,实现多维度相似性计算,以关注查询帧中更多区域,并通过计算的相似度矩阵,对记忆帧进行自适应特征加权,以此来提高目标跟踪的精度和鲁棒性。此外,特征记忆网络可以对记忆帧进行挑选和保存,为特征匹配提供额外表观信息,使网络隐性学习目标运动趋势,进而实现更好的跟踪结果。实验结果表明,该方法在GOT-10k,LaSOT等数据集上表现良好,在GOT-10k数据集上,本文所提出的算法与STMTrack算法相比,
![]()
![]()
值提升1.8%。根据可视化结果显示,本文算法在目标遮挡、消失等挑战中,具有更强的鲁棒性。
目标遮挡 自适应 特征匹配 记忆网络 object occlusion self-adaption feature matching memory network 光学 精密工程
2023, 31(22): 3345
1 西南科技大学土木工程与建筑学院,绵阳 621010
2 中铁九局集团第五工程有限公司,成都 611730
3 西南科技大学材料与化学学院,绵阳 621010
4 绿色建筑材料国家重点实验室,北京 100024
本文研究了植生混凝土的碱度及力学性能随CO2养护压力的变化规律,并结合X射线衍射定量相分析(XRD-QPA)、热重分析(TGA)及扫描电子显微镜(SEM)等方法,探讨了CO2养护压力对反应速率及产物生成的影响。结果表明: 增大CO2养护压力可提高硅酸三钙(C3S)、硅酸二钙(C2S)及氢氧化钙(CH)的碳化速率,同时可快速生成碳化致密层,有利于延缓CH的生成与溶出; 碳化反应生成的碳酸钙(CaCO3)及水化硅酸钙(C-S-H)凝胶增大了水泥石密实度,可有效提升植生混凝土的抗压强度。与常压CO2养护相比,在CO2养护压力为0.3 MPa的条件下养护1 h,植生混凝土3 d抗压强度提高了72.8%,28 d抗压强度提高了4.8%,28 d的pH值由11.4降低至8.2。适度提高CO2养护压力对植生混凝土降碱和增强效果良好。
植生混凝土 降碱 CO2养护压力 碳化致密层 抗压强度 vegetated concrete alkalinity reduction CO2 curing pressure carbonaized dense layer compressive strength
红外与激光工程
2023, 52(4): 20220635
针对视频描述中语义特征表达能力不足导致文本描述不准确问题,本文提出一种视频描述中链式语义生成网络(Chained Semantic generation Network,ChainS-Net)。构建了多阶段双路交叉的链式特征提取结构,该结构以全局域和局部域模块为基本单元,分别从视觉特征的全局和局部捕获视频语义;在网络的各阶段,将语义信息在全局域和局部域之间变换解析,实现视觉和语义信息的交互参考,提升语义特征表达能力;在此基础上,网络通过多阶段迭代的处理方式获取更为有效的语义表示,提升视频描述模型性能。在MSR-VTT和MSVD数据集上的实验结果表明,本文提出的链式语义生成网络ChainS-Net优于现有同类方法,相比于语义辅助视频描述网络(Semantics-Assisted Video Captioning network,SAVC),视频描述的四个评价指标平均提升了2.5%。
视频描述 语义特征 全局 局部 域变换 多阶段 video captioning semantic feature global local domain transformation multi-stage 光学 精密工程
2022, 30(24): 3198
1 海军航空大学,山东 烟台 264000
2 中国人民解放军94326部队,济南 250000
3 中国人民解放军94201部队,济南 250000
密集假目标干扰(DFJ)由截获全脉冲雷达信号生成,连续复制转发可有效压制雷达系统。分析了DFJ干扰特性,设计二维精简分数阶傅里叶变换(2D-RFRFT)。在此基础上,以自卫式干扰下线性调频相参雷达抗DFJ为背景,提出基于2D-RFRFT的密集假目标干扰自适应抑制算法; 根据真实回波和干扰信号2D-RFRFT分布差异,引入中位数绝对偏差鲁棒统计量识别剔除干扰离群点; 通过进一步阶次调整,抑制干扰的同时实现瞬时机动目标检测。仿真试验验证了所提回波处理工具和干扰抑制算法的可行性和有效性。
密集假目标干扰 干扰抑制 离群点检测 二维精简分数阶傅里叶变换 dense false-target jamming jamming suppression outlier detection 2D-RFRFT
大连民族大学机电工程学院, 辽宁大连 116600
针对全景分割中实例目标边缘特征提取不足导致目标边界分割失效的问题, 提出一种创新的实例特征深度链式学习全景分割网络。该网络由基本的链式单元组合而成, 根据单元结构对特征信息处理方法的不同, 链式单元分为特征保持链和特征增强链两种。特征保持链是链式网络特征提取过程的输入级, 保证输入信息的完整性, 而后将特征传递到特征增强链结构;特征增强链通过自身的拓展来加深网络深度, 提升特征提取能力。链式学习网络由于具有良好的深度堆叠特性, 可以获取丰富的边缘特征信息, 提高分割精度。在 MS COCO和 Cityscapes数据集上的实验结果表明, 本文提出的实例特征深度链式学习全景分割网络在分割精度上优于现存同类方法, 与全景分割网络常用的 Mask RCNN实例分割结构相比, 分割准确率最高提升了 0. 94%。
全景分割 实例特征 边缘特征 链式网络 捷径连接 panoptic segmentation instance feature edge feature chain network shortcut connection 光学 精密工程
2020, 28(12): 2665
1 滁州学院计算机与信息工程学院, 安徽 滁州 239000
2 上海航天控制技术研究所, 上海 201109
基于最小软阈值二乘的目标跟踪方法能够较好地处理视频的外观变化和异常值,但当目标子空间受到姿态变化或遮挡等干扰时,跟踪器的稳健性较差。针对这一问题,在贝叶斯引理框架下,提出一种组合最小软阈值二乘和压缩Haar-like特征匹配的在线目标跟踪算法。该算法针对最小软阈值二乘跟踪器采用定量遮挡率来评判其观测样本受离群子干扰程度,并在跟踪器单帧匹配响应过低时,利用压缩特征匹配对观测目标进行二次筛选。同时,通过观测置信度减少无关样本的数量,降低计算复杂度。实验结果表明,本文提出的算法能够取得更加优异的跟踪结果。
图像处理 在线目标跟踪 压缩Haar-like特征 贝叶斯引理 激光与光电子学进展
2019, 56(24): 241001
1 大连民族大学机电工程学院, 辽宁 大连 116600
2 大连民族大学国家民委智能感知与先进控制重点实验室, 辽宁 大连 116600
针对MDNet跟踪算法网络模型中存在的特征稳健性差以及目标背景信息丢失导致跟踪失败的问题,提出一种基于重构特征联合的多域卷积神经网络视觉跟踪算法。基于末端卷积层提取的目标高级特征,使用反卷积操作上采样,获得了包含目标背景信息的重构特征,再通过联合目标高级特征和背景信息的重构特征的方式增强特征的稳健性,达到了有效区分目标和背景的目的,适用于解决跟踪过程中出现的目标遮挡、形变、光照变化等问题。将本文算法分别在OTB50和VOT2015跟踪测试集上进行测试,与MDNet算法相比,跟踪精度提升1.53%,跟踪成功率提升2.03%。
机器视觉 目标跟踪 卷积神经网络 重构特征 特征联合 反卷积 激光与光电子学进展
2019, 56(19): 191501