.png){kind=icon}
返回
SiamCTCA: Cross-Temporal Correlation Aggregation Siamese Network for UAV Tracking
.png){kind=icon}
OA
AI
DOI：10.3390/drones9040294.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在空中目标跟踪研究中，复杂场景对跟踪算法的精度和鲁棒性提出了极高的要求。尽管现有的目标跟踪算法在一般场景中取得了良好的性能，但它们在某种程度上都忽略了上下文信息之间的关联性，且特征间的操作加剧了信息损失，导致精度和鲁棒性下降，尤其是在UAV目标跟踪领域。针对这一问题，我们提出了一种新的轻量级基于Siamese的跟踪器SiamCTCA。其创新的跨时序聚合策略和三个特征关联融合网络发挥了关键作用，其中Transformer多阶段嵌入借助时序关联交互视觉Transformer模块，实现了跨分支信息融合，以高效整合不同层级的特征；前馈残差多维融合边缘机制通过引入残差来应对搜索区域的动态变化，减少了信息损失；响应显著性滤波聚合网络抑制了神经网络浅层噪声放大的问题。经过消融实验和对比实验验证，这些模块的有效性表明该跟踪器展现出优异的跟踪性能，且跟踪速度比其他跟踪器更快，因此更适合作为平台在UAV领域进行部署。
Keyword:
UAV tracking
deep learning
Siamese tracker
lightweight
residual
期刊
D
IF:
4.8
论文数:
3.9K
被引数:
8.3K
机构
引用论文
DeconNet: End-to-End Decontaminated Network for Vision-Based Aerial TrackingDeconNet: 用于基于视觉的空中跟踪的端到端净化网络
.png){kind=icon}
PREAI
分享收藏分享收藏
查看更多内容