基于深度学习的飞机目标跟踪应用研究

• Published in: Guang Dian Gong Cheng = Opto-Electronic Engineering Vol. 46; no. 9; pp. 180261 - 10
• Main Authors: 赵春梅, 陈忠碧, 张建林 / Zhao Chunmei, Chen Zhongbi, Zhang, Jianlin
• Format: Journal Article
• Language: Chinese; English
• Published: Chengdu Editorial Office of Opto-Electronic Advances 01.09.2019; 中国科学院光电技术研究所,四川成都 610209; 中国科学院大学,北京100049%中国科学院光电技术研究所,四川成都,610209
• Subjects: Aircraft; Aircraft detection; Algorithms; Boxes; Deep learning; International conferences; Machine learning; Neural networks; Occlusion; Pattern recognition; Regression models; Semantics; Tracking; Transformations; Beijing China; China; 迁移学习; 飞机目标; 鲁棒跟踪; FDLAT; 实时跟踪
• ISSN: 1003-501X
• DOI: 10.12086/oee.2019.180261

本文针对飞机目标，提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络，使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层，全连接层作为目标和背景的分类层，采用特定的飞机数据集来更新网络参数。训练完成之后，结合回归模型，采用简单的线性更新对飞机进行跟踪，算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪，速度达到平均20.36 f/s，在ILSVRC2015飞机检测数据集上成功率均值达到0.592，基本满足飞机实时跟踪。