【摘 要】
:
为了提升行人多目标跟踪的速度同时维持跟踪的精度,提出了一种多特征融合的端到端链式行人多目标跟踪网络。网络中将目标检测、特征提取与数据关联集成到一个统一的框架中,以连续两帧图片组成一个节点作为输入,直接回归出节点之间相同目标的边界框对,利用相邻节点之间公共帧的强相似性,仅使用交并比匹配来进行数据关联以提高跟踪速度。同时网络中采用了多特征融合的双向特征金字塔,并在金字塔网络中采用改进可变形卷积,增加了
论文部分内容阅读
为了提升行人多目标跟踪的速度同时维持跟踪的精度,提出了一种多特征融合的端到端链式行人多目标跟踪网络。网络中将目标检测、特征提取与数据关联集成到一个统一的框架中,以连续两帧图片组成一个节点作为输入,直接回归出节点之间相同目标的边界框对,利用相邻节点之间公共帧的强相似性,仅使用交并比匹配来进行数据关联以提高跟踪速度。同时网络中采用了多特征融合的双向特征金字塔,并在金字塔网络中采用改进可变形卷积,增加了模型对目标形变的适应性。为了解决正负样本不平衡及梯度贡献差异,将focal loss与BalancedL
其他文献
人脸编辑广泛应用于公安追逃、人脸美化等领域,传统的统计学方法、基于原型的方法是解决人脸编辑的主要手段,然而这些传统技术面临着操作难度大、计算成本高等问题。近年来,深度学习快速发展,特别是生成网络的出现,为人脸编辑提供了一种全新的思路,采用深度生成模型的人脸编辑技术具有速度快、模型泛化能力强的优势。为总结近年利用深度生成模型解决人脸编辑问题的相关理论与研究,首先介绍了基于深度生成模型的人脸编辑技术采
针对监控视频中车流量统计准确率低的问题,提出一种改进YOLOv5s检测结合Deep SORT跟踪的车流量统计方法。首先为了提升检测器识别效果,将注意力模块CBAM与YOLOv5s网络的Neck部分融合,提高网络的特征提取能力;将CIoU Loss代替GIoU Loss作为目标边界框回归损失函数,加快边界框回归速率的同时提高定位精度;使用DIoU-NMS替换NMS,改善目标拥挤时的漏检问题。然后调整
石漠化生境土层浅薄、干旱贫瘠,许多植物难以生存。三叶木通作为石漠化生境适生物种之一,探究其对石漠化生境的应答机制对综合治理石漠化生境具有一定的理论和实际意义。在贵州省贵阳市花溪区和安顺市关岭县两地分别选取石漠化生境和普通生境(对照)种植三叶木通,并进行为期一年的观察,探究石漠化生境对三叶木通根、茎、叶等不同器官的生长和生理特性的影响,并利用主成分分析出三叶木通在石漠化生境的主要响应指标。结果显示,
城市化发展带来热岛效应,影响区域气候变化,地表温度可以反映地表增温程度,更能直接影响人类居住舒适度。运用Landsat8 TIRS热红外遥感数据和气象数据反演地表温度,以建筑数据、遥感影像为基础,通过GIS空间分析、决策树分类等方法划分局地气候区,从区域角度定量分析不同类型气候区地表温度分异规律。结果表明:(1)北京、天津、石家庄密集型建筑分别占比27.54%、21.95%、25.09%,且以中低
小样本学习的分类结果依赖于模型对样本特征的表达能力,为了进一步挖掘图像所表达的语义信息,提出一种多级度量网络的小样本学习方法。首先,将输入图像的特征向量放入嵌入模块进行特征提取;其次,将经过第二层卷积及第三层卷积得到的特征描述子分别进行图像-类的度量以获得图像关系得分,对第四层卷积得到的特征向量进行全连接并将其做图像-图像的度量从而得到图像从属概率;最后,通过交叉验证对2个图像关系得分以及1个图像
利用CYGNSS数据估计地表土壤水分(SM)近年来获得了极大的关注,但效率和精度有待进一步提升。本文提出了一种预分类策略,结合人工智能算法(AI),利用CYGNSS数据预测土壤水分。此策略能够在人工智能算法的基础上进一步的提高土壤水分预测的精确度,具有较好的普适性和易用性。本文使用了2018全年中国地区的实地土壤水分数据作为地面真实参考数据进行建模以及预测。结果证实预测土壤水分与参考真实数据具有良
生活于珊瑚礁区的大型海藻可以与珊瑚一起为礁栖生物提供食物和栖息地,它们在维护珊瑚礁生态系统生物多样性中起着极为重要的作用。本论文比较研究了生活于我国南海中沙大环礁区的四种优势海藻,即两种红藻—厚膜藻(Grateloupia ellipitica)和粉枝藻(Liagora samaensis)、两种绿藻—钙扇藻(Udotea flabellum)和仙掌藻(Halimeda discoidea)的生化
由于目标多尺度性质、高层语义信息不足等原因,造成现有算法很难在目标边界取得非常准确的分类精度。为此,本文提出了一种基于多层次特征融合的语义分割算法。在解码阶段,本文设计了三个特征提取分支,分别为空间细节分支、语义补充分支和上下文信息分支。空间细节分支采用浅层较高分辨率特征图来生成最终分割图,主要用于保留大量空间细节信息。语义补充分支用于增加更多的高层语义抽象信息。上下文信息分支主要负责提取多尺度全
针对现有目标检测算法难以在果园复杂环境下对苹果花朵生长状态进行高精度检测的问题,提出一种改进YOLOv5的苹果花朵生长状态检测方法,对花蕾、半开、全开、凋落四类苹果树开花期花朵生长状态进行检测。该方法首先对跨阶段局部网络模块进行改进,并调整模块数量,结合协同注意力模块设计主干网络,提高模型检测性能并减少参数。其次,结合新的检测尺度与基于拆分的卷积运算设计特征融合网络,提升网络特征融合能力,最后选用
场景文本检测有助于机器理解图像内容,在智能交通、场景理解和智能导航等领域应用广泛。现有的场景文本检测算法未充分利用高层语义信息和空间信息,限制了模型对复杂背景像素的分类能力和对不同尺度的文本实例的检测和定位能力。为了解决上述问题,提出了一种基于增强特征金字塔网络的场景文本检测算法。该算法包括比率不变特征增强(Ratio Invariant Feature Enhanced, RIFE)模块和重建空