无人机目标追踪方法基于全球特征交互和无框架感知特征调制.
Yuanhong Dan1, Jinyan Li1, Yu Jin1
1Colleage of Computer Science and Engineering, Chongqing University of Technology, Chongqing, China.
PloS one
|January 17, 2025
概括
本研究介绍了一种改进的深度学习方法,用于无人机 (UAV) 目标跟踪,提高小目标的准确性和速度. 这种新的方法实现了实时性能,使无人机跟踪更高效.
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:
- 无人机目标追踪依赖于实时视频分析.
- 深度学习方法,特别是基于语的深度学习方法,显示出有希望的结果,但与速度和准确性的权衡作斗争.
- 现有的方法在提炼特征和处理目标变形方面面临挑战.
研究的目的:
- 提高无人机目标追踪的准确性和效率.
- 改进特征表示,并减少实时应用程序的计算负载.
- 为了提高小型和变形目标的追踪性能.
主要方法:
- 在深度相互关联操作中实现特征融合.
- 引入了全球注意力机制,以扩大视野和完善特征.
- 设计了一种无框架感知功能的调制机制,以有效地产生和改进目标.
主要成果:
- 拟议的算法证明了无人机跟踪数据集 (UAV123@10fps,UAV20L,DTB70) 的速度和准确性之间的平衡.
- 在Jetson Orin Nano平台上实现了每秒30的实时处理速度.
- 展示了针对小目标的改进的追踪性能和适应目标变形的适应性.
结论:
- 开发的方法为实时无人机目标跟踪提供了强大的解决方案.
- 功能融合和注意力机制的整合显著提高了追踪能力.
- 算法的效率和准确性通过广泛的实验和物理平台实现来验证.


