近日，我校自動(dòng)化學(xué)院伍雪冬教授視覺(jué)機(jī)器人控制團(tuán)隊(duì)在人工智能領(lǐng)域頂級(jí)期刊Expert Systems With Applications上發(fā)表了21頁(yè)長(zhǎng)文“Discriminative target predictor based on temporal-scene attention context enhancement and candidate matching mechanism”。自動(dòng)化學(xué)院研究生曹百亨、張先鋒和馬治偉及湖南大學(xué)王耀南院士為論文共同作者。

計(jì)算機(jī)視覺(jué)是人工智能領(lǐng)域的熱門(mén)分支，針對(duì)現(xiàn)有深度學(xué)習(xí)下的視覺(jué)跟蹤算法具有精度和實(shí)時(shí)性之間的沖突、上下文信息利用不夠及跟蹤噪聲累積等問(wèn)題，該團(tuán)隊(duì)提出了一種基于注意力特征增強(qiáng)與候選機(jī)制的深度視覺(jué)目標(biāo)跟蹤算法，主要?jiǎng)?chuàng)新點(diǎn)包括：提出了一種新的基于注意力機(jī)制的時(shí)間上下文增強(qiáng)模塊，能從跟蹤序列中提取穩(wěn)健高效的時(shí)間上下文，并對(duì)注意力網(wǎng)絡(luò)性質(zhì)進(jìn)行了理論分析；提出了一種前向傳播網(wǎng)絡(luò)結(jié)構(gòu)，以克服場(chǎng)景信息提取和利用的困難，并對(duì)算法收斂性進(jìn)行了證明；提出了一種基于候選選擇機(jī)制的聯(lián)合目標(biāo)預(yù)測(cè)跟蹤模塊，以進(jìn)一步提高跟蹤精度和實(shí)時(shí)性。研究結(jié)果表明，與其它現(xiàn)有的21種最新先進(jìn)跟蹤算法相比，團(tuán)隊(duì)提出的新算法取得了很好的跟蹤效果。

 基于注意力特征增強(qiáng)與候選機(jī)制的深度視覺(jué)目標(biāo)跟蹤算法流程圖

據(jù)悉，團(tuán)隊(duì)近期分別在人工智能領(lǐng)域期刊《Engineering Applications of Artificial Intelligence》（2023，https://doi.org/10.1016/j.engappai.2023.105901）和 《Applied Intelligence》（2022，https://doi.org/10.1007/s10489-022-03458-8）上發(fā)表了系列論文。

論文鏈接： https://doi.org/10.1016/j.eswa.2023.121400.