您当前的位置：
首页 >
文章列表页 >
时间显著注意力孪生跟踪网络
计算机科学与技术 | 更新时间：2025-07-21

    • 时间显著注意力孪生跟踪网络

    • Temporal salient attention siamese tracking network

    • “在目标跟踪领域，研究者提出了时间显著注意力孪生跟踪网络，有效提高了目标遮挡、消失等挑战下的跟踪准确性。”
    • 吉林大学学报（工学版）   2024年54卷第11期 页码：3327-3337
    • 作者机构：

      大连民族大学 机电工程学院，辽宁 大连 116600

    • 作者简介：

      毛琳（1977-），女，副教授，博士.研究方向：目标跟踪与多传感器信息融合，目标跟踪与轨迹预测.E-mail：maolin@dlnu.edu.cn

      杨大伟（1978-），男，副教授，博士.研究方向：计算机视觉处理技术，目标跟踪与轨迹预测.E-mail：yangdawei@dlnu.edu.cn

    • 基金信息：
      国家自然科学基金项目(61673084);辽宁省自然科学基金项目(20170540192;20180550866;2020-MZLH-24)

    • DOI：10.13229/j.cnki.jdxbgxb.20230003    

      中图分类号： TP391

    • 收稿：2023-01-04，

      纸质出版：2024-11-01

    移动端阅览

  • 毛琳,苏宏阳,杨大伟.时间显著注意力孪生跟踪网络[J].吉林大学学报（工学版）,2024,54(11):3327-3337. DOI： 10.13229/j.cnki.jdxbgxb.20230003.

    MAO Lin,SU Hong-yang,YANG Da-wei.Temporal salient attention siamese tracking network[J].Journal of Jilin University(Engineering and Technology Edition),2024,54(11):3327-3337. DOI： 10.13229/j.cnki.jdxbgxb.20230003.

  •  
  •  

0

浏览量

14

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于多重注意力机制的无锚框目标跟踪算法
基于多尺度特征融合的边界检测算法
基于深度学习的多目标跟踪研究进展综述
基于图结构引导和位置信息强化的人体姿态估计
基于Transformer的双分支检测和重识别的多行人追踪

相关作者

邓安平
陈琪琪
彭佳琦
左羽佳
刘晶红
车翔玖
王利
郭晓新

相关机构

中国科学院 长春光学精密机械与物理研究所
中国科学院大学
中国人民解放军陆军装备部驻沈阳地区军代局驻长春地区第一军代室
伯恩茅斯大学 国家计算机动画中心, 普尔
吉林大学 计算机科学与技术学院
0