基于孪生网络目标工件精确分割跟踪方法研究

摘要：

针对工业生产环境中,目标工件跟踪算法鲁棒性差且定位精度低的问题,提出一种基于孪生网络的目标工件精确分割跟踪算法.该算法以ResNeSt-50为骨干网络,首先采用坐标注意力机制和自适应特征融合模块,使得网络更关注并保留目标工件有效信息;其次将目标工件特征信息分别送入在线训练得到的DCF分类器和分割模块,通过CIoU预测网络对矩形框进行评估,得到目标工件位置信息和像素级前景与背景信息;然后将工件位置信息、前景与背景信息通过Concat融合,使用上采样操作提高分辨率;最后在得到目标工件掩膜后采用矩形框优化方法输出精确目标框.实验表明,算法在GOT-10k基准数据集中平均重合度达到63.2％,重合阈值为0.5的成功率达到71.8％;在VOT-2018基准数据集中精度达到0.674;通过CCD工业相机拍摄目标工件序列中,验证了算法能高效应对目标工件跟踪任务中常见挑战.

关键词：目标跟踪、注意力机制、目标分割

所属期刊栏目：41

分类号：TN911.73

资助基金：陕西省科技厅项目;西安市科技局项目

在线出版日期：2022-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：66-72