.png){kind=icon}
返回
SiamDiff: A Diffusion-Driven Siamese Network for Scale-Aware Anti-UAV Tracking
.png){kind=icon}
OA
AI
DOI：10.3390/rs18010018.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无人驾驶航空器（UAV）跟踪由于小目标和背景干扰而面临重大挑战。传统的基于锚点的跟踪算法需要设计大量候选框来捕获此类微小目标，这会带来不可接受的计算开销。另一方面，无锚跟踪方法难以适应目标尺度变化，导致在反无人机跟踪场景中跟踪精度不理想。为解决这些局限性，我们率先将扩散模型集成到视觉跟踪中，提出了一种尺度自适应反无人机框架SiamDiff。我们将跟踪任务重新表述为边界框预测问题，利用扩散模型生成尺度自适应的候选框。此外，我们提出了可学习掩码模块（LMM）和频域通道融合模块（FCFM），以增强对小目标的判别特征提取。另外，我们设计了尺度感知扩散策略（SADA）以提高对尺度变化的鲁棒性。在Anti-UAV和Anti-UAV410基准上的实验结果证明了我们方法的有效性，分别实现了71.90%和67.03%的状态精度（SA），优于基线和其他跟踪器。此外，我们的方法表现出对尺度变化的优异适应性，证实了其在复杂反无人机跟踪场景中的鲁棒性。
Keyword:
anti-UAV tracking
diffusion model
siamese network
infrared small target tracking
期刊
IF:
4.1
论文数:
7.7K
被引数:
15.1W
机构
引用论文
.png){kind=icon}
Application of Unmanned Aerial Vehicles for Surveying and Mapping in Mines: A Review矿山测绘中无人机的应用：综述
PREAI
分享收藏Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测
OAAI
OAAI分享收藏分享收藏分享收藏DiffusionTrack: Point Set Diffusion Model for Visual Object TrackingDiffusionTrack：点集扩散模型用于视觉目标跟踪
PREAI
分享收藏
查看更多内容