一种基于学习运动模糊鲁棒ViT无人机跟踪方法技术

本发明专利技术公开了一种基于学习运动模糊鲁棒ViT无人机跟踪方法，具体涉及无人机跟踪技术领域。该框架由主干网络和预测头两个部分组成。主干网络采用DeiT‑Tiny的轻量级网络，通过最小化原始模板的特征表示与经过运动模糊处理的模糊模板之间的均方误差来增强目标特征表示相对于运动模糊的不变性，从而使得ViT能够学习到运动模糊鲁棒的特征表示。预测头部包括三个分支，分别用于预测分类得分、预测采样量化误差和预测归一化边界框大小。在当前主流的目标跟踪数据集上进行训练，得到了无人机跟踪模型，然后在现有的具有挑战性的无人机测试基准上进行测试。实验结果表明本发明专利技术所提出的跟踪算法能够有效地适应无人机需要跟踪快速移动目标所引起的运动模糊场景。

【技术实现步骤摘要】

本专利技术涉及目标跟踪领域，特别是针对基于学习运动模糊鲁棒vit无人机的目标跟踪方法。

技术介绍

1、随着人工智能的迅猛发展，智能化已经融入到我们日常生活的方方面面。在无人机领域，利用深度学习技术使无人机更加智能是当前的研究热点，其中无人机跟踪技术是一项具有代表性的研究成果。无人机跟踪技术在灾害救援、交通监控、行政执法以及影视拍摄等领域有着广泛的应用。与无人车、无人船等不同，由于无人机受限于起飞重量，其搭载的处理器和电池需尽可能轻便, 因此无人机的处理器的性能和电池容量会受到一定的制约。此外，由于风、高度变化、或需要跟踪快速移动目标等因素，极端视角、运动模糊和严重遮挡等是无人机跟踪中普遍存在的挑战。

2、一个优秀的无人机跟踪器应该具备两个基本特点：1) 能够应对各种极端挑战，如极端视角、运动模糊和严重遮挡等；2) 在有限的电池容量和计算资源约束下，实现高效率和低功耗的要求。

3、目前，无人机跟踪方法大致可分为两类：基于判别相关滤波器(dcf)的跟踪器和基于深度卷积神经网络(cnn)的跟踪器。基于dcf的跟踪器由于其源自傅立叶域运算的本文档来自技高网...

【技术保护点】

1.一种基于动态早期退出学习运动模糊鲁棒ViT无人机跟踪方法，其特征主要在于，具体包括以下步骤:

【技术特征摘要】

1.一种基于动态早期退出学习运动模糊鲁棒vit无...

【专利技术属性】
技术研发人员：李水旺，吴佑，叶恒舟，杨向阳，王鑫喆，聊雅欣，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：