Resumen

Con la llegada de la era de la inteligencia artificial, la tecnología de seguimiento adaptativo de objetivos se ha desarrollado rápidamente en los campos de la interacción persona-ordenador, la supervisión inteligente y la conducción autónoma. Con el objetivo de solucionar el problema de la baja precisión de seguimiento y la escasa robustez del actual algoritmo de seguimiento de objetos genérico mediante red de regresión (GOTURN), este artículo toma la red neuronal convolucional más popular en el campo del seguimiento de objetivos actual como estructura de red básica y propone un algoritmo de seguimiento de objetivos GOTURN mejorado basado en el mecanismo de atención residual y la fusión de información de contexto espaciotemporal para la fusión de datos. El algoritmo transmite la plantilla del objetivo, el área de predicción y el área de búsqueda a la red al mismo tiempo para extraer el mapa general de características y predice la ubicación del objetivo de seguimiento en el fotograma actual a través de la capa totalmente conectada. Al mismo tiempo, la red del mecanismo de atención residual se añade a la estructura de la red de la plantilla del objetivo para mejorar la capacidad de expresión de características de la red y mejorar el rendimiento general del algoritmo. Un gran número de experimentos realizados con el conjunto de datos de prueba de seguimiento de objetivos de la corriente principal muestran que el algoritmo de seguimiento que hemos propuesto ha mejorado significativamente el rendimiento general del algoritmo de seguimiento original.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:mecanismo de atención residual, rendimiento global, algoritmo, red neuronal convolucional, tecnología de seguimiento adaptativo, información de contexto espaciotemporal, objetivo principal actual, objetivo goturn mejorado, número de experimentos, estructura básica de la red
• Keywords:residual attention mechanism, overall performance, algorithm, convolutional neural network, adaptive tracking technology, spatiotemporal context information, current mainstream target, improved goturn target, number of experiment, basic network structure