SiamHSFT:一个基于罗网络的追踪器,具有层次性的稀疏融合和变压器,用于无人机追踪
Xiuhua Hu1,2, Jing Zhao1,2, Yan Hui1,2
1School of Computer Science and Engineering, Xi'an Technological University, Xi'an 710021, China.
Sensors (Basel, Switzerland)
|November 14, 2023
概括
这项研究介绍了SiamHSFT,这是一种新的无人机追踪算法. 它将强大的跟踪与实时性能相结合,在快速运动和低分辨率等具有挑战性的条件下表现出色.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 无人驾驶飞行器 (UAV) 追踪面临诸如低分辨率,快速运动和背景干扰等挑战,因为平台的限制.
- 现有的算法难以平衡UAV应用的跟踪性能和计算效率.
研究的目的:
- 提出一种新的无人机跟踪算法,SiamHSFT,在跟踪稳定性和实时计算之间实现平衡.
- 增强特征提取和目标歧视,以提高复杂无人机场景中的跟踪精度.
主要方法:
- 基于姆网络框架开发的SiamHSFT.
- 集成的CBAM注意力和向下信息交互以增强功能,保护小目标的信息.
- 采用交错的稀疏注意力模块,专注于空间间隔,以有效地利用全球背景.
- 优化了变压器编码器的调制增强层和三重注意力,以改善层间依赖性和目标歧视.
主要成果:
- 在各种无人机跟踪数据集 (UAV123,UAV20L,UAV123@10fps,DTB70) 中,SiamHSFT表现出卓越的性能.
- 在快速运动和动态模糊的场景中实现了卓越的性能.
- 保持了126.7fps的平均跟踪速度,满足实时跟踪要求.
结论:
- SiamHSFT通过增强特征表示和注意力机制,有效地应对无人机目标追踪的挑战.
- 该算法为无人机平台上的实时跟踪应用提供了强大而高效的解决方案.
