【摘 要】
：
多目标跟踪方法一直是计算机视觉领域的研究热点,被广泛应用于智能监控和智慧交通等领域。然而在多目标跟踪中,当目标发生移动,导致目标形态变化或目标发生遮挡,造成目标特征提取困难以及特征提取不充分等问题。从而影响目标检测任务的精度,进而影响多目标跟踪的性能。因此本文分别针对多目标跟踪中的检测和跟踪任务进行研究,提出了一种基于SDA-DLA34-R的多目标检测跟踪算法（An improved DLA34
论文部分内容阅读
多目标跟踪方法一直是计算机视觉领域的研究热点,被广泛应用于智能监控和智慧交通等领域。然而在多目标跟踪中,当目标发生移动,导致目标形态变化或目标发生遮挡,造成目标特征提取困难以及特征提取不充分等问题。从而影响目标检测任务的精度,进而影响多目标跟踪的性能。因此本文分别针对多目标跟踪中的检测和跟踪任务进行研究,提出了一种基于SDA-DLA34-R的多目标检测跟踪算法（An improved DLA34 algorithm for multi-object detection and tracking based on soft pool,deformable convolution,attention and Re-ID,SDA-DLA34-R）。具体研究内容如下:针对目标检测任务,本文提出一种基于SDA-DLA34的目标检测算法（An improved DLA34 algorithm for object detection based on soft pool,deformable convolution and attention,SDA-DLA34）。具体地,该算法在DLA34网络中应用软池化（Soft pool）代替下采样传统池化方式,减少目标的特征信息损失。应用可变形卷积（Deformable convolution）代替上采样传统2D卷积,增强网络对遮挡形变目标的学习能力,获取更大的感受野。再结合注意力机制（Attention）,提高网络对关键特征提取的能力,减少无关信息的关注度。从而以改进网络结构的角度,提高目标检测算法的性能。最后在MS COCO数据集上验证该算法的有效性,实验结果表明,基于SDA-DLA34的目标检测算法精度得到了提升,达到了较好的检测性能。针对多目标跟踪任务,本文提出一种基于SDA-DLA34-R的多目标跟踪算法。具体地,在SDA-DLA34网络的基础上,将Re-ID特征提取分支融入SDA-DLA34网络中,实现用一个网络输出检测特征和Re-ID外观特征。两个模块共享网络参数,提高了网络的复用性,减少了重复计算量,并增强了模块之间的耦合度,增加了算法的准确性。然后通过卡尔曼滤波获得运动特征,将运动特征与外观特征结合,通过匈牙利匹配算法的思想进行数据关联,数据关联采用级联匹配和IOU匹配的方法,最终获得多目标跟踪结果。最后在多个典型的多目标跟踪数据集上验证该算法的有效性,实验结果表明,基于SDA-DLA34-R的多目标跟踪算法具有较好的跟踪性能,达到了跟踪精度和推理速度之间的平衡。
其他文献
聚合物基纳米电介质具有优异的绝缘和力学性能,广泛应用于微电子、电气绝缘和新能源等领域。随着5G信息时代来临,集成电路产业飞速发展和尖端科技不断革新,对聚合物基纳米电介质的综合性能（尤其是绝缘性能）提出更高的要求。UiO-66（典型的Zr-MOFs）作为一种近年炙手可热的新型纳米材料,其比表面积大和易于修饰的特点,可以用于制备新型聚合物基纳米电介质材料,但目前相关报道较少。本文利用溶剂热法制备UiO
螺纹插装式液压阀是继板式阀、管式阀、叠加式阀和二通插装式阀之后的又一种液压控制阀,其具有零泄漏、结构紧凑、加工改型相对容易、连接简单、重量轻、成本低等优点,有非常广阔的应用前景,是液压控制技术的一个重要发展方向。本文以一款螺纹插装式电磁换向阀为研究对象,采用多物理场耦合的仿真方法,对其流量压力特性、高温高压形变、电磁驱动性能和过渡过程特性等进行了系统的仿真研究与理论分析。研究成果对于该类阀的设计、
随着大数据和人工智能的快速发展,数据也随之变得愈来愈复杂,人们开始对这些多样的数据展开研究。正因为数据的多样性,不确定数据也随之衍生出来。数据的不确定性主要包括两方面,一方面是数据自身的不确定性,另一方面是数据属性级别的不确定性。本文主要针对确定数据和不确定数据做了相应的研究。首先针对确定数据在聚类时随机选取数据作为初始聚类中心以及对初始聚类中心敏感的问题,提出了一种新的模糊C均值聚类算法。然后针
阿尔兹海默症（Alzheimer’s Disease,AD）作为一种威胁老年人生命健康的退行性疾病,伴随着记忆衰退和认知障碍,对人们的生活和社会的发展都产生极大的影响。全球人口老龄化日益严重,有关AD的研究也逐渐成为医学领域的热点。由于AD早期症状不明显,等到发现时多处于中期甚至晚期阶段,导致患者错过最佳的治疗时间。因此,尽早的发现和治疗是延长患者存活时间的关键。由于广泛使用的机器学习模型在各个A
密度峰值聚类算法在人工确定聚类中心之后仅通过一次遍历就能实现非聚类中心点的有效分配。该算法思想简单且具有较强的实用性,但仍存在一些亟待解决的问题,如基于全局参数dc计算局部密度和斥群值且聚类结果对dc敏感,无法自适应确定聚类中心,处理密度不均数据集时准确率较低,处理复杂流型结构数据集时容易错误分配剩余样本点等。本文针对上述问题提出对应的改进策略。针对密度峰值聚类算法存在的dc敏感,需人工确定聚类中
COVID-19冠状病毒是2019年开始在全球范围内传播的一种大规模传染性呼吸道疾病。COVID-19不仅对我们的生活、日常习惯和医疗保健系统产生了普遍有害的影响,而且还会让我们因为感染而导致死亡。无论何时,要对一个新病毒进行研究,都得提取其基因,然后在数据库搜索是否有同源基因的存在。由于基因测序技术的发展,字符串匹配算法作为一种传统的算法受到了巨大的挑战。研究表明,基因测序过程中会出现大量的短读
研究了深冷处理与传统热处理对35CrMo合金结构钢的力学性能、尺寸稳定性和微观组织的影响。采用圆环三角法对不同工艺处理后的尺寸稳定性进行评价。结果表明，淬回火后增加深冷处理能够使35CrMo的抗拉强度提高32 MPa，屈服强度提高33.5 MPa，伸长率提高26.7%，冲击韧性保持不变。高温回火后材料内应力得到充分释放，试样的稳定性较好，增加深冷处理能够进一步提高材料的尺寸稳定性。淬火后回火前增加
随着深度神经网络技术的发展和日益增长的工业需求,目标检测越来越受到人们的重视,并取得了显著的成绩。目前,大多数算法都是针对一定尺寸的常规目标。然而,由于小目标的尺寸相对较小,经过神经网络的下采样处理后像素数目越来越少,导致提取的目标特征不明显。检测中经常出现漏检和误检,严重影响了目标检测的效果。本文针对小目标检测效果差的问题,在算法的特征提取部分,采用并行卷积、空洞卷积以及残差网络来增大特征图的感
基于数据相关性的深度异常检测方法旨在挖掘数据样本更深层次的特征信息,通过深度学习的方法对获取的数据样本进行训练。目前,在异常检测领域传统方法和深度学习方法依然存在问题。大多异常检测方法只是对数据样本本身特征的研究,并没有考虑到数据样本之间的关联性,会丢失一些原始样本的特征,造成检测效果不理想。基于自编码器的异常检测采用重构误差作为异常分数,无法通过客观方法确定适当的权重。为了避免原始样本特征的丢失
温度作为常见的物理量之一,对人们的生产生活起着重要的作用,因此,温度的测量与控制有非常重要的意义。与传统的温度传感器相比,光纤温度传感器具有体积小、耐腐蚀、重量轻等优点,尤其是光纤法布里-珀罗干涉计（FPI）,还具有结构简单、稳定性好的优点,近年来受到了研究者的广泛关注。然而,受二氧化硅材料热膨胀系数和热光系数偏低的影响,全光纤单腔温度传感器的灵敏度仅约为10pm/℃。近年来,光学游标效应被广泛用