多尺度Transformer的在线更新无锚框工件跟踪方法研究
针对工业场景目标工件跟踪任务精度低、失败率高的问题,提出了多尺度Transformer在线更新的工件跟踪算法.首先,采用Transformer特征金字塔结构,融合多层次特征信息,以实现鲁棒的对目标表观建模;其次,使用Transformer模块对高级语义信息进行特征融合,使得网络模型专注于目标工件本身;然后,提出了基于排序的交并化(IoU)损失函数优化策略,有效地抑制干扰物对跟踪器影响;最后,设计一种在线更新策略更新目标模板,增强网络的鲁棒性.实验结果表明,在VOT-2018上准确率和失败率分别比基准跟踪器提高3.8%和4.1%,且能保持53 fps的实时跟踪速度;在LaSOT数据集上精度与成功率别为0.578和0.573,均优于基准跟踪器.通过CCD工业相机采集视频序列验证算法可以准确且鲁棒的跟踪目标工件.
目标跟踪、特征金字塔、Transformer、损失函数、在线更新
43
TN911.73
陕西省科技厅资助项目;西安市科技局项目
2024-02-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
110-116