2 Fairmot基本框架 Fairmot框架的目标检测部分包括主干网络、目标检测分支和行人重识别分支。数据关联部分采用DeepSort[24]框架进行匹配。 2.1 主干网络 Fairmot框架采用改进后深度聚合网络作为特征提取网络,该特征提取网络采用可变形卷积适应不同尺度目标。通过不同层级的跳级连接进行语义信息和空间信息融合,使深度聚合网络以...
dlaup特征融合模块与idaup特征融合模块与fairmot模型中相同,而dla-34网络中在原网络的level0层之前与level5层之后分别添加了一个cbam注意力模块,这种注意力模块可以在通道和空间维度上进行attention,在level0层之前和level5层之后添加注意力模块既可以保证的模型能够使用预训练的权重又能将注意力机制引入的模型。通过将...
摘要 为解决群养生猪多目标跟踪中的挑战,如猪只外观相似、互相遮挡和动态交互等导致的身份识别错误、跟踪不连续问题,提出一种改进型FairMOT模型。该模型在主干网络中嵌入EMA注意力机制,优化下采样阶段的特征图,增强猪只位置特征...展开更多 In this study,an improved FairMOT model was proposed to tackle the ...