北理工團(tuán)隊在對抗學(xué)習(xí)相關(guān)跟蹤領(lǐng)域取得研究進(jìn)展
發(fā)布日期：2021-12-27 供稿：光電學(xué)院
編輯：盛筠 審核：董立泉 閱讀次數(shù)：
近日,，北京理工大學(xué)光電學(xué)院許廷發(fā)科研團(tuán)隊在對抗學(xué)習(xí)相關(guān)跟蹤領(lǐng)域取得新進(jìn)展,，相關(guān)研究成果以“Learning Context Restrained Correlation Tracking Filters via Adversarial Negative Instance Generation”為題發(fā)表在人工智能領(lǐng)域的國際頂級期刊《IEEE Transactions on Neural Networks and Learning Systems（IEEE TNNLS）》(IF="10.451)上,，IEEE" TNNLS是人工智能領(lǐng)域具有高影響力的國際學(xué)術(shù)刊物之一，在2021年該領(lǐng)域140余種JCR期刊中排名前列,，影響因子為10.451,，中科院一區(qū)，主要發(fā)表和報道計算智能,、人工智能,、數(shù)據(jù)科學(xué)和神經(jīng)網(wǎng)絡(luò)等領(lǐng)域的最新研究進(jìn)展和技術(shù)。該工作第一作者為北京理工大學(xué)博士研究生黃博,，通訊作者為北京理工大學(xué)許廷發(fā)教授,。
判別相關(guān)濾波跟蹤器（DCF）的跟蹤性能經(jīng)常受到不必要的邊界效應(yīng)的影響。在過去的幾年里,，已經(jīng)有許多學(xué)者嘗試通過擴大搜索區(qū)域來解決邊界效應(yīng)帶來的性能退化,。然而，引入過多的背景信息使得判別相關(guān)濾波器容易從周圍環(huán)境而不是目標(biāo)區(qū)域中學(xué)習(xí),。許廷發(fā)教授團(tuán)隊首次提出了一種新型的上下文約束的相關(guān)跟蹤濾波器（CRCTF）來解決這一科學(xué)難題,，該方法通過加入高質(zhì)量的對抗生成負(fù)實例來抑制相似背景噪聲的干擾。具體來說,，該模型在初始幀構(gòu)建一個生成對抗GAN網(wǎng)絡(luò)來使用上下文背景信息模擬中心被污染的目標(biāo)區(qū)域,。針對GAN網(wǎng)絡(luò)計算速度慢的問題，該團(tuán)隊提出采用一個高效的背景運動矢量估計網(wǎng)絡(luò)來加速后續(xù)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(guān)濾波的循環(huán)結(jié)構(gòu)和裁剪算子重新表述原始的脊回歸目標(biāo)方程,。最后,，通過交替方向乘子法（ADMM）在頻率域高速地求解跟蹤濾波器。
圖1 對抗背景實例生成模型
該項研究開創(chuàng)性地探索了對抗學(xué)習(xí)對嶺回歸相關(guān)濾波器訓(xùn)練的影響,。使用高質(zhì)量的對抗生成負(fù)面實例來優(yōu)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(zhàn)性的跟蹤數(shù)據(jù)集上,，與最先進(jìn)的,、高度優(yōu)化的基線相關(guān)濾波算法相比，CRCTF都表現(xiàn)出明顯的性能優(yōu)勢,，通過在基準(zhǔn)評價指標(biāo)上的定性定量分析,，證明了對抗學(xué)習(xí)對優(yōu)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(biāo)方程各個正則項之間的內(nèi)在關(guān)系,，對相關(guān)濾波目標(biāo)跟蹤領(lǐng)域的發(fā)展具有重要意義,。
論文詳情：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：
黃博，北京理工大學(xué)光電學(xué)院2016級碩博連讀博士生，師從許廷發(fā)教授,，研究方向為計算機視覺和深度學(xué)習(xí)?，F(xiàn)已發(fā)表學(xué)術(shù)論文20篇，以第一作者11篇發(fā)表于IEEE TNNLS,、IEEE TCYB,、IEEE TMM、PR,、Neurocomputing等高水平期刊或會議,，影響因子達(dá)49.349。申請中國發(fā)明專利3項,，軟著3項,。同時，還多次擔(dān)任IEEE TCSVT,、Neurocomputing,、IEEE Access、CVPR等SCI期刊或會議審稿人,。曾獲ICCV 2021 “無人機跟蹤”挑戰(zhàn)賽冠軍及最佳論文獎,、光電設(shè)計競賽二等獎、首都“挑戰(zhàn)杯”一等獎,、研究生數(shù)學(xué)建模三等獎,、“世紀(jì)杯”特等獎、“百科融創(chuàng)”杯電子設(shè)計競賽一等獎,、光學(xué)與光學(xué)工程博士生學(xué)術(shù)聯(lián)賽北京賽區(qū)二等獎,、國家獎學(xué)金、北京市優(yōu)秀畢業(yè)生,、優(yōu)秀博士學(xué)位論文育苗基金等榮譽,。
通訊作者簡介：
許廷發(fā)，教授,，博導(dǎo),，國家一級重點學(xué)科“光學(xué)工程”責(zé)任教授，光電成像技術(shù)與系統(tǒng)教育部重點實驗室副主任,。近年來帶領(lǐng)其科研團(tuán)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(dān)國家自然科學(xué)基金委重大科研儀器研制項目等30多項,。在國際,、國內(nèi)等系列期刊發(fā)表學(xué)術(shù)論文120余篇，其中被SCI/EI收錄80余篇,。以第一發(fā)明人申請國家發(fā)明專利40項，已授權(quán)和公示15項。
分享到：