一种用于无人机目标跟踪的孪生区域建议网络模型的制作方法

技术特征：
1.一种用于无人机目标跟踪的孪生区域建议网络模型，其特征在于：包括模板分支单元和搜索分支单元，所述模板分支单元包括第一卷积模块、条带池化模块、第二卷积模块、第三卷积模块、第一匹配模块和第一输出模块，所述搜索分支单元包括第四卷积模块、全局上下文网络模块、第五卷积模块、第六卷积模块、第二匹配模块和第二输出模块；所述第一卷积模块和第四卷积模块构成孪生网络，第一卷积模块与条带池化模块连接，第四卷积模块与全局上下文网络模块连接；所述第二卷积模块、第三卷积模块、第一匹配模块、第一输出模块、第五卷积模块、第六卷积模块、第二匹配模块和第二输出模块构成区域建议网络，第二卷积模块、第三卷积模块均与第一匹配模块连接，第一匹配模块与第一输出模块连接；第五卷积模块、第六卷积模块均与第二匹配模块连接，第二匹配模块与第二输出模块连接；其中，条带池化模块分别与第二卷积模块和第五卷积模块连接，第四卷积模块与第三卷积模块连接，全局上下文网络模块与第六卷积模块连接。2.根据权利要求1所述的用于无人机目标跟踪的孪生区域建议网络模型，其特征在于：所述模板分支单元输入图像大小为127
×
127
×
3，所述搜索分支单元输入图像大小为255
×
255
×
3。3.根据权利要求1所述的用于无人机目标跟踪的孪生区域建议网络模型，其特征在于：网络模型中采用距离交并比计算边界框。4.根据权利要求3所述的用于无人机目标跟踪的孪生区域建议网络模型，其特征在于：所述区域建议网络中分类的损失函数采用交叉熵损失函数，回归的损失函数为l1范数损失函数。

技术总结
本发明公开了一种用于无人机目标跟踪的孪生区域建议网络模型，该网路模型在SiamRPN网络的基础上加入条带池化模块和全局上下文网络模块，使网络解决远程依赖问题，有效理解不同的跟踪场景；然后优化交并比的计算方法，完成目标的特征提取，回归精准的预测框；本发明在光照变化、背景干扰以及目标快速移动的情况下有较强的鲁棒性，在UAV123公开数据集基准上进行测试，跟踪速度约为106帧/秒，获得0.754的准确率和0.542的成功率，尤其是在背景干扰环境下，精确率和成功率分别提升了8.29％和11.63％。11.63％。11.63％。


技术研发人员：杨帅东 赵书朵 陈云生
受保护的技术使用者：西南石油大学
技术研发日：2021.12.31
技术公布日：2022/4/1