在卫星视频中通过像素智能自适应功能增强实现高精度多对象跟踪

科学领域:

• 计算机视觉 计算机视觉
• 遥感 遥感 遥感 遥感
• 人工智能的人工智能

背景情况:

• 卫星图像中的多目标跟踪 (MOT) 由于小物体尺度和鸟视角的角度而带来挑战.
• 飞机,船只和车辆等物体经常表现出类似的视觉外观,使跟踪变得复杂.
• 对于这些特定条件,现有的方法可能会在效率和准确性方面扎.

研究的目的:

• 为卫星视频开发一种高效准确的端到端联合检测和跟踪 (JDT) 方法.
• 为了提高对象表示的学习,小规模的,鸟类视图目标.
• 为了提高相似外观的物体的追踪精度.

主要方法:

• 提出了一种基于变压器蒸的端到端JDT方法.
• 引入了一个基于像素的变压器的特征蒸模块,用于学习对象表示.
• 使用可控制温度的关键特征学习目标函数来提高对类似物体的处理能力.
• 从精确的教师网络和跟踪主管的知识蒸在一个端到端的培训框架内使用.

主要成果:

• 拟议的方法在三个公开可用的卫星视频数据集上表现出卓越的性能.
• 在AIR-MOT数据集上实现了90%以上的总体跟踪性能.
• 这种方法有效地提高了跟踪精度,而不会影响计算效率.

结论:

• 基于变压器蒸的JDT方法在卫星视频的多目标跟踪方面取得了重大进展.
• 提出的技术有效地解决了与物体尺寸,视角和外观相似性相关的挑战.
• 这项工作为卫星视频分析提供了强大而高效的解决方案.