基于孪生网络目标工件精确分割跟踪方法研究

作者：**耀; 徐健^*; 夏代洪; 刘秀平; 闫焕营

来源：国外电子测量技术, 2022, 41(09): 66-72.

DOI：10.19652/j.cnki.femt.2203907

• 目标跟踪
• 注意力机制
• 目标分割

针对工业生产环境中，目标工件跟踪算法鲁棒性差且定位精度低的问题，提出一种基于孪生网络的目标工件精确分割跟踪算法。该算法以ResNeSt-50为骨干网络，首先采用坐标注意力机制和自适应特征融合模块，使得网络更关注并保留目标工件有效信息；其次将目标工件特征信息分别送入在线训练得到的DCF分类器和分割模块，通过CIoU预测网络对矩形框进行评估，得到目标工件位置信息和像素级前景与背景信息；然后将工件位置信息、前景与背景信息通过Concat融合，使用上采样操作提高分辨率；最后在得到目标工件掩膜后采用矩形框优化方法输出精确目标框。实验表明，算法在GOT-10k基准数据集中平均重合度达到63.2%,重合阈值为0.5的成功率达到71.8%;在VOT-2018基准数据集中精度达到0.674;通过CCD工业相机拍摄目标工件序列中，验证了算法能高效应对目标工件跟踪任务中常见挑战。

• 单位
  西安工程大学