一种用于无人机跟踪的特征信息增强的孪生网络模型制造技术

本发明专利技术公开了一种用于无人机跟踪的特征信息增强的孪生网络模型，包括模板分支单元和搜索分支单元，所述模板分支单元包括依次连接的第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层，第一卷积层还分别与第四卷积层和第五卷积层连接，第五卷积层输出特征图与该特征图经条带池化层后的特征图进行加权融合；所述模板分支单元最终输出的特征图与所述搜索分支单元最终输出的特征图进行相似性匹配，得到孪生网络模型最终的输出特征响应图。本发明专利技术将带有高语义信息和低细节的浅层特征融入到深卷积层中增强网络对目标特征的提取能力；引入轻量级条带池化模块加强目标特征信息；实验表明该方法的成功率和精确度分别达到0.542和0.746。到0.542和0.746。到0.542和0.746。

【技术实现步骤摘要】
一种用于无人机跟踪的特征信息增强的孪生网络模型


[0001]本专利技术属于无人机目标跟踪
，具体涉及一种用于无人机跟踪 的特征信息增强的孪生网络模型。

技术介绍

[0002]近年来，基于无人机视觉的目标跟踪逐渐成为计算机视觉领域的热门 研究课题，应用于智能交通，视频检索以及军事侦察等众多领域。无人机 因跟踪目标移动较快且目标通常较小目标很容易受到光照，遮挡，小目标 快速移动等因素影响。设计精度高，鲁棒性强的无人机目标跟踪方法成为 当前研究的重点。
[0003]主流的单目标跟踪算法主要分为两大类：(1)相关滤波类算法，(2) 深度学习类算法。相关滤波类以KCF算法(KernelCorre
‑
lation Filter)为代表， 其引入了核技巧以及多通道特征处理，大大简化了计算量，后续如：SAMF， DSST，SRDCF等。C
‑
COT，ECO等算法将深度学习与相关滤波结合。将 CNN作为特征提取方式加入到相关滤波跟踪框架。深度学习类中Bertinetto 等提出的SiamFC(Fully
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于无人机跟踪的特征信息增强的孪生网络模型，其特征在于：包括模板分支单元和搜索分支单元，所述模板分支单元包括依次连接的第一卷积层、第二卷积层、第三卷积层、第四卷积层和第五卷积层，第一卷积层还分别与第四卷积层和第五卷积层连接，第五卷积层输出特征图与该特征图经条带池化层后的特征图进行加权融合；所述搜索分支单元包括依次连接的第六卷积层、第...

【专利技术属性】
技术研发人员：赵书朵，陈云生，杨帅东，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：