<acronym id="kj551"></acronym>
<table id="kj551"></table><pre id="kj551"><del id="kj551"><small id="kj551"></small></del></pre>
<pre id="kj551"><ruby id="kj551"><menu id="kj551"></menu></ruby></pre>

  1. <pre id="kj551"><strong id="kj551"></strong></pre>
    1. <p id="kj551"></p>
      鑫茂光電
      資訊分類

      光電所在基于人工智能的運動目標跟蹤研究方面取得進展

      • 分類:公司新聞
      • 作者:
      • 來源:
      • 發布時間:2019-09-27 09:59
      • 訪問量:

      【概要描述】光電所光電探測與信號處理研究室研究員等帶領的研究團隊針對復雜場景飛機目標實時跟蹤的實際應用

      光電所在基于人工智能的運動目標跟蹤研究方面取得進展

      【概要描述】光電所光電探測與信號處理研究室研究員等帶領的研究團隊針對復雜場景飛機目標實時跟蹤的實際應用

      • 分類:公司新聞
      • 作者:
      • 來源:
      • 發布時間:2019-09-27 09:59
      • 訪問量:
      詳情

        標跟蹤是計算機視覺領域一個重要的研究熱點,應用范圍廣,包括無人機監察、無人駕駛、行人與車輛監控等。目標跟蹤從上世紀50年代初起源至今,盡管已有大量研究成果,但對于復雜場景的實時目標跟蹤依舊難以實現。目標跟蹤過程中的目標變形、光照變化、尺度變化、快速運動與模糊、遮擋等依然是穩定跟蹤目標的艱巨挑戰。

        目前,主流的目標跟蹤算法主要有傳統目標跟蹤方法和基于深度學習的目標跟蹤算法。傳統目標跟蹤方法在跟蹤實時性上表現較好,但是由于特征提取能力受限,導致在不同應用環境下準確性和魯棒性受限?;谏疃葘W習的目標跟蹤算法特征提取能力很強,但其計算復雜實時性難以保證。

        光電所光電探測與信號處理研究室研究員等帶領的研究團隊針對復雜場景飛機目標實時跟蹤的實際應用,對Multi-Domain Networks深入研究,基于其在跟蹤準確性上的優異表現,提出了簡約跟蹤框架Fast Deep learning Tracking Networks(FDLAT Net),通過深度網絡的多層特征增強了目標特征及表示有效克服了目標姿態、復雜場景干擾等問題。

        研究團隊進一步通過全連接層與回歸層的優化,在有效地提升了目標跟蹤的處理速度的同時也很好地提升了目標識別的準確性和目標跟蹤的精度,使算法對姿態變化、場景干擾、尺度變化等情形下的目標都實現了穩定跟蹤,并達到實時跟蹤的要求。

      掃二維碼用手機看

      上一個:
      上一個:
      鑫茂光電

      關注微信公眾號

      聯系我們

      電話:028-37590685
      地址:四川省眉山市彭山縣青龍工業園區
      傳真:
      028-37590685
      郵箱:daiqiangdaiqiang@163.com

      COPYRIGHT?2019 眉山市鑫茂光電科技有限公司  版權所有  蜀ICP備19039665號-1  網站建設:中企動力 成都

      91久久精品无码一区二区大全
      <acronym id="kj551"></acronym>
      <table id="kj551"></table><pre id="kj551"><del id="kj551"><small id="kj551"></small></del></pre>
      <pre id="kj551"><ruby id="kj551"><menu id="kj551"></menu></ruby></pre>

      1. <pre id="kj551"><strong id="kj551"></strong></pre>
        1. <p id="kj551"></p>