基于深度关联网络检测的航拍多目标跟踪
计算机视觉与模式识别
2019-09-05 v1
摘要
大量研究聚焦于目标检测，且近年来借助深度学习技术取得了显著进展。尽管已有相关研究，但由于视角变化、尺度、目标分布密度以及遮挡等多种挑战，这些算法通常并不适用于处理由无人机平台捕获的序列或图像。本文利用 VisDrone2019 DET 数据集构建了用于无人机图像中目标检测的模型。我们以 RetinaNet 模型为基础，修改锚框尺度以更好地应对密集分布及小尺寸目标的检测。我们通过使用“压缩-激励”(Squeeze-and-Excitation, SE) 模块显式建模通道间的相互依赖关系，该模块可自适应地重新校准通道特征响应。这在略微增加计算成本的情况下带来了性能的显著提升。利用该目标检测架构，我们通过在 VisDrone2019 MOT 数据集上训练自定义的深度关联网络，构建了用于目标检测的定制 DeepSORT 网络。
引用
@article{arxiv.1909.01547,
title = {Aerial multi-object tracking by detection using deep association networks},
author = {Ajit Jadhav and Prerana Mukherjee and Vinay Kaushik and Brejesh Lall},
journal= {arXiv preprint arXiv:1909.01547},
year = {2019}
}