學校主頁 黨委宣傳部 新聞網
學校主頁 黨委宣傳部 新聞網

大发体育注册


f8aa438e231546348af4af87bc93575a.png

近日,北京理工大学光电学院许廷发科研团队在对抗学习相关跟踪领域取得新进展,相关研究成果以“Learning Context Restrained Correlation Tracking Filters via Adversarial Negative Instance Generation”为题发表在人工智能领域的国际顶级期刊《IEEE Transactions on Neural Networks and Learning Systems(IEEE TNNLS)》(IF="10.451)上,IEEE" TNNLS是人工智能领域具有高影响力的国际学术刊物之一,在2021年该领域140余种JCR期刊中排名前列,影响因子为10.451,中科院一区,主要发表和报道计算智能、人工智能、数据科学和神经网络等领域的最新研究进展和技术。该工作第一作者为北京理工大学博士研究生黄博,通讯作者为北京理工大学许廷发教授。

判別相關濾波跟蹤器(DCF)的跟蹤性能經常受到不必要的邊界效應的影響。在過去的幾年裏,已經有許多學者嘗試通過擴大搜索區域來解決邊界效應帶來的性能退化。然而,引入過多的背景信息使得判別相關濾波器容易從周圍環境而不是目標區域中學習。許廷發教授團隊首次提出了一種新型的上下文約束的相關跟蹤濾波器(CRCTF)來解決這一科學難題,該方法通過加入高質量的對抗生成負實例來抑制相似背景噪聲的幹擾。具體來說,該模型在初始幀構建一個生成對抗GAN網絡來使用上下文背景信息模擬中心被汙染的目標區域。針對GAN網絡計算速度慢的問題,該團隊提出采用一個高效的背景運動矢量估計網絡來加速後續幀中背景實例的生成。接著,基于生成背景實例引入卷積抑制項,通過相關濾波的循環結構和裁剪算子重新表述原始的脊回歸目標方程。最後,通過交替方向乘子法(ADMM)在頻率域高速地求解跟蹤濾波器。

4897f2a5f2144ff991768b34fdb367be.png

图1 对抗背景实例生成模型

該項研究開創性地探索了對抗學習對嶺回歸相關濾波器訓練的影響。使用高質量的對抗生成負面實例來優化模型,對抑制上下文相似噪聲具有出色的性能。在多個具有挑戰性的跟蹤數據集上,與最先進的、高度優化的基線相關濾波算法相比,CRCTF都表現出明顯的性能優勢,通過在基准評價指標上的定性定量分析,證明了對抗學習對優化嶺回歸跟蹤器的有效性。此研究有助于更加清晰深刻地理解嶺回歸目標方程各個正則項之間的內在關系,對相關濾波目標跟蹤領域的發展具有重要意義。

论文详情:Bo Huang, Tingfa Xu, Jianan Li, Fei Luo, Qingwang Qin, Junjie Chen, "Learning Context Restrained Correlation Tracking Filters via Adversarial Negative Instance Generation[J]", IEEE Transactions on Neural Networks and Learning Systems, 2021, doi: 10.1109/TNNLS.2021.3133441.

論文鏈接:https://ieeexplore.ieee.org/document/9662066


第一作者簡介:

黄博,北京理工大学光电学院2016级硕博连读博士生,师从许廷发教授,研究方向为计算机视觉和深度学习。现已发表学术论文20篇,以第一作者11篇发表于IEEE TNNLS、IEEE TCYB、IEEE TMM、PR、Neurocomputing等高水平期刊或会议,影响因子达49.349。申请中国发明专利3项,软著3项。同时,还多次担任IEEE TCSVT、Neurocomputing、IEEE Access、CVPR等SCI期刊或会议审稿人。曾获ICCV 2021 “无人机跟踪”挑战赛冠军及最佳论文奖、光电设计竞赛二等奖、首都“挑战杯”一等奖、研究生数学建模三等奖、“世纪杯”特等奖、“百科融创”杯电子设计竞赛一等奖、光学与光学工程博士生学术联赛北京赛区二等奖、国家奖学金、北京市优秀毕业生、优秀博士学位论文育苗基金等荣誉。

通訊作者簡介:

許廷發,教授,博導,國家一級重點學科“光學工程”責任教授,光電成像技術與系統教育部重點實驗室副主任。近年來帶領其科研團隊圍繞光電成像探測與識別、高光譜計算成像處理等方向不斷深化研究。主持承擔國家自然科學基金委重大科研儀器研制項目等30多項。在國際、國內等系列期刊發表學術論文120余篇,其中被SCI/EI收錄80余篇。以第一發明人申請國家發明專利40項,已授權和公示15項。


分享到: