HM-Net：一种用于广域运动图像中目标中心检测与跟踪的回归网络

广域运动图像（WAMI）生成具有高分辨率且包含大量极小目标的图像。目标物体在连续帧间具有较大的空间位移。WAMI图像的这一特性使得目标跟踪与检测极具挑战性。本文提出一种基于深度神经网络的检测与跟踪联合模型，即热图网络（HM-Net）。HM-Net显著快于当前最先进的帧差法和基于背景减除的方法，且不牺牲检测与跟踪性能。HM-Net遵循基于目标中心的联合检测与跟踪范式。基于简单热图的预测支持无限数量的同步检测。所提方法以连续两帧及前一帧获得的目标检测热图作为输入，这有助于HM-Net监测帧间的时空变化并跟踪先前预测的目标。尽管复用先前的目标检测热图充当了重要的基于反馈的记忆单元，但也可能导致假阳性检测的非预期激增。为提升方法对假阳性的鲁棒性并剔除低置信度检测，HM-Net采用了新颖的反馈滤波器和先进的数据增强。在WPAFB数据集上，HM-Net以96.2%的F1和94.4%的mAP检测得分超越了当前最先进的WAMI运动目标检测与跟踪方法，同时在该数据集上取得了61.8%的mAP跟踪得分。该性能相对于最先进水平，在检测上F1提升2.1%、mAP提升6.1%，在跟踪上mAP提升9.5%。