SiamDA:一个注重细节的姆网络,具有红外光学突出,用于像素级无人机跟踪

科学领域:

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

背景情况:

• 无人驾驶飞行器 (UAV) 技术正在迅速发展,需要强大的管理系统.
• 在复杂的环境中使用红外图像跟踪小型无人机,由于可见度低和背景杂乱,存在挑战.
• 现有的方法很难在像素层面上捕获无人机的详细红外信号.

研究的目的:

• 介绍SiamDA,一个注重细节的,无的语追踪器.
• 通过捕捉更多的红外光谱细节来增强弱无人机目标的表现.
• 为了提高无人机在具有挑战性的条件下跟踪的稳定性.

主要方法:

• 采用细节密切的网络,具有可变形的卷积,用于细粒度的特征提取.
• 整合了一个以泰勒差异为灵感的边缘增强模块,以改进无人机边界.
• 集成的规范化瓦斯斯坦距离损失和动态模板更新方案,以改进跟踪.

主要成果:

• 在捕捉红外光谱细节方面,SiamDA表现出卓越的性能.
• 追踪器有效地增强了弱无人机目标的代表性.
• 在公共近红外无人机数据集上实现了超过80%的平均精度 (P5).

结论:

• SiamDA显著推进了红外无人机跟踪的最新技术.
• 提出的方法有效地解决了低可见度和背景杂乱的挑战.
• SiamDA提供了一种强大的解决方案,用于在复杂环境中管理和跟踪小型无人机.