光電所在基于人工智能的運動(dòng)目標跟蹤研究方面取得進(jìn)展
- 分類(lèi):公司新聞
- 作者:
- 來(lái)源:
- 發(fā)布時(shí)間:2019-09-27 09:59
- 訪(fǎng)問(wèn)量:
【概要描述】光電所光電探測與信號處理研究室研究員等帶領(lǐng)的研究團隊針對復雜場(chǎng)景飛機目標實(shí)時(shí)跟蹤的實(shí)際應用
光電所在基于人工智能的運動(dòng)目標跟蹤研究方面取得進(jìn)展
【概要描述】光電所光電探測與信號處理研究室研究員等帶領(lǐng)的研究團隊針對復雜場(chǎng)景飛機目標實(shí)時(shí)跟蹤的實(shí)際應用
- 分類(lèi):公司新聞
- 作者:
- 來(lái)源:
- 發(fā)布時(shí)間:2019-09-27 09:59
- 訪(fǎng)問(wèn)量:
標跟蹤是計算機視覺(jué)領(lǐng)域一個(gè)重要的研究熱點(diǎn),應用范圍廣,包括無(wú)人機監察、無(wú)人駕駛、行人與車(chē)輛監控等。目標跟蹤從上世紀50年代初起源至今,盡管已有大量研究成果,但對于復雜場(chǎng)景的實(shí)時(shí)目標跟蹤依舊難以實(shí)現。目標跟蹤過(guò)程中的目標變形、光照變化、尺度變化、快速運動(dòng)與模糊、遮擋等依然是穩定跟蹤目標的艱巨挑戰。
目前,主流的目標跟蹤算法主要有傳統目標跟蹤方法和基于深度學(xué)習的目標跟蹤算法。傳統目標跟蹤方法在跟蹤實(shí)時(shí)性上表現較好,但是由于特征提取能力受限,導致在不同應用環(huán)境下準確性和魯棒性受限?;谏疃葘W(xué)習的目標跟蹤算法特征提取能力很強,但其計算復雜實(shí)時(shí)性難以保證。
光電所光電探測與信號處理研究室研究員等帶領(lǐng)的研究團隊針對復雜場(chǎng)景飛機目標實(shí)時(shí)跟蹤的實(shí)際應用,對Multi-Domain Networks深入研究,基于其在跟蹤準確性上的優(yōu)異表現,提出了簡(jiǎn)約跟蹤框架Fast Deep learning Tracking Networks(FDLAT Net),通過(guò)深度網(wǎng)絡(luò )的多層特征增強了目標特征及表示有效克服了目標姿態(tài)、復雜場(chǎng)景干擾等問(wèn)題。
研究團隊進(jìn)一步通過(guò)全連接層與回歸層的優(yōu)化,在有效地提升了目標跟蹤的處理速度的同時(shí)也很好地提升了目標識別的準確性和目標跟蹤的精度,使算法對姿態(tài)變化、場(chǎng)景干擾、尺度變化等情形下的目標都實(shí)現了穩定跟蹤,并達到實(shí)時(shí)跟蹤的要求。
掃二維碼用手機看
關(guān)注微信公眾號
聯(lián)系我們
電話(huà):028-37590685
地址:四川省眉山市彭山縣青龍工業(yè)園區
傳真:028-37590685
郵箱:daiqiangdaiqiang@163.com
COPYRIGHT?2019 眉山市鑫茂光電科技有限公司 版權所有 蜀ICP備19039665號-1 網(wǎng)站建設:中企動(dòng)力 成都