多目标跟踪(MOT)是军事防御应用中态势分析的重要组成部分。随着无人机系统(UAS)的使用越来越多,对空中监视的MOT方法的需求量也越大。MOT在UAS中的应用提出了特定的挑战,例如移动传感器、改变缩放级别、动态背景、光照变化、遮挡和小物体。

美国洛克希德·马丁的AI中心提出了一个强大的对象跟踪架构,旨在适应实时情况下的噪声。提出了一种称为深度扩展卡尔曼滤波器(DeepEKF)的运动学预测模型,其中使用sequence-to-sequence架构来预测潜在空间中的实体轨迹。DeepEKF利用一个学习过的图像嵌入以及一个训练有素的注意力机制来加权图像中区域的重要性,以预测未来状态。对于视觉评分,使用不同的相似性度量来计算基于实体外观的距离,包括使用Siamese网络预训练的卷积神经网络(CNN)编码器。评估实验结果表明此方法在MHT框架内结合了运动学和视觉模型的评分结构,提高了性能,尤其是在实体运动不可预测或数据呈现具有显着差距的帧的边缘情况下.

多目标跟踪框架

成为VIP会员查看完整内容
57

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
【干货】A Large-Scale Benchmark for Vision-Based UAV Tracking
中国图象图形学学会CSIG
3+阅读 · 2022年1月7日
初学者系列:推荐系统Wide & Deep Learning详解
ICRA 2019 论文速览 | 基于Deep Learning 的SLAM
计算机视觉life
41+阅读 · 2019年7月22日
多目标跟踪:SORT和Deep SORT
极市平台
47+阅读 · 2019年3月18日
【优博微展2018】刘昊:基于深度神经网络的人脸关键点检测
清华大学研究生教育
32+阅读 · 2018年12月1日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
Relation Networks for Object Detection 论文笔记
统计学习与视觉计算组
16+阅读 · 2018年4月18日
国家自然科学基金
251+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2009年12月31日
Deep Learning in Video Multi-Object Tracking: A Survey
Arxiv
54+阅读 · 2019年7月31日
Self-Driving Cars: A Survey
Arxiv
41+阅读 · 2019年1月14日
VIP会员
相关VIP内容
相关资讯
【干货】A Large-Scale Benchmark for Vision-Based UAV Tracking
中国图象图形学学会CSIG
3+阅读 · 2022年1月7日
初学者系列:推荐系统Wide & Deep Learning详解
ICRA 2019 论文速览 | 基于Deep Learning 的SLAM
计算机视觉life
41+阅读 · 2019年7月22日
多目标跟踪:SORT和Deep SORT
极市平台
47+阅读 · 2019年3月18日
【优博微展2018】刘昊:基于深度神经网络的人脸关键点检测
清华大学研究生教育
32+阅读 · 2018年12月1日
STRCF for Visual Object Tracking
统计学习与视觉计算组
14+阅读 · 2018年5月29日
Relation Networks for Object Detection 论文笔记
统计学习与视觉计算组
16+阅读 · 2018年4月18日
相关基金
国家自然科学基金
251+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员