基于孪生网络快速运动弱目标实时跟踪

针对现有目标跟踪算法对快速运动弱目标跟踪效果不佳的问题,提出了一种时空连续的多特征融合孪生网络算法.首先以全卷积孪生网络为基本框架;其次设计了一种从粗到细结合空间信息和语义信息的鲁棒性特征来表达快速运动弱目标,并添加了特征注意力;最后采用时空信息连续性模型对整体信息进行有效的更新,从而选定最佳跟踪目标.在快速运动弱目标...     

复杂背景下遥感图像密集目标检测

遥感图像中的目标排列密集,常见的检测算法难以较好地区分密集目标,同时目标所处背景复杂,导致在模型生成的特征图中,存在高响应的背景噪声,容易带来错误的检测结果。针对上述问题,在CenterNet算法基础上,提出一种改进权重分配的目标检测算法。在计算热力图损失的过程中,设计一种改进权重分配策略,加大目标边缘区域回传的损失,促进网络对密集目标边缘的学习,减少算法将密集目标认定为单个目标的概率;在CenterNet网络结构中,添加语义分割模块,让网络模型学习每一个目标的分割图,通过分割图抑制特征图中高响应的背景噪声。在DOTA数据集上进行实验,改进算法均值平均精度（mAP）达到68.56%,优于其他方法,和原CenterNet算法相比,mAP提升了6.53个百分点。实验结果表明,改进的CenterNet算法能更好地适应复杂背景下的密集目标检测。