澳门金沙娱乐城官网-金沙官网

近日，北京理工大學光電學院許廷發科研團隊在對抗學習相關跟蹤領域取得新進展，相關研究成果以“Learning Context Restrained Correlation Tracking Filters via Adversarial Negative Instance Generation”為題發表在人工智能領域的國際頂級期刊《IEEE Transactions on Neural Networks and Learning Systems（IEEE TNNLS）》(IF="10.451)上，IEEE" TNNLS是人工智能領域具有高影響力的國際學術刊物之一，在2021年該領域140余種JCR期刊中排名前列，影響因子為10.451，中科院一區，主要發表和報道計算智能、人工智能、數據科學和神經網絡等領域的最新研究進展和技術。該工作第一作者為北京理工大學博士研究生黃博，通訊作者為北京理工大學許廷發教授。

判別相關濾波跟蹤器（DCF）的跟蹤性能經常受到不必要的邊界效應的影響。在過去的幾年里，已經有許多學者嘗試通過擴大搜索區域來解決邊界效應帶來的性能退化。然而，引入過多的背景信息使得判別相關濾波器容易從周圍環境而不是目標區域中學習。許廷發教授團隊首次提出了一種新型的上下文約束的相關跟蹤濾波器（CRCTF）來解決這一科學難題，該方法通過加入高質量的對抗生成負實例來抑制相似背景噪聲的干擾。具體來說，該模型在初始幀構建一個生成對抗GAN網絡來使用上下文背景信息模擬中心被污染的目標區域。針對GAN網絡計算速度慢的問題，該團隊提出采用一個高效的背景運動矢量估計網絡來加速后續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，通過相關濾波的循環結構和裁剪算子重新表述原始的脊回歸目標方程。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

該項研究開創性地探索了對抗學習對嶺回歸相關濾波器訓練的影響。使用高質量的對抗生成負面實例來優化模型，對抑制上下文相似噪聲具有出色的性能。在多個具有挑戰性的跟蹤數據集上，與最先進的、高度優化的基線相關濾波算法相比，CRCTF都表現出明顯的性能優勢，通過在基準評價指標上的定性定量分析，證明了對抗學習對優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方程各個正則項之間的內在關系，對相關濾波目標跟蹤領域的發展具有重要意義。

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，北京理工大學光電學院2016級碩博連讀博士生，師從許廷發教授，研究方向為計算機視覺和深度學習。現已發表學術論文20篇，以第一作者11篇發表于IEEE TNNLS、IEEE TCYB、IEEE TMM、PR、Neurocomputing等高水平期刊或會議，影響因子達49.349。申請中國發明專利3項，軟著3項。同時，還多次擔任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”挑戰賽冠軍及最佳論文獎、光電設計競賽二等獎、首都“挑戰杯”一等獎、研究生數學建模三等獎、“世紀杯”特等獎、“百科融創”杯電子設計競賽一等獎、光學與光學工程博士生學術聯賽北京賽區二等獎、國家獎學金、北京市優秀畢業生、優秀博士學位論文育苗基金等榮譽。

通訊作者簡介：

許廷發，教授，博導，國家一級重點學科“光學工程”責任教授，光電成像技術與系統教育部重點實驗室副主任。近年來帶領其科研團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。主持承擔國家自然科學基金委重大科研儀器研制項目等30多項。在國際、國內等系列期刊發表學術論文120余篇，其中被SCI/EI收錄80余篇。以第一發明人申請國家發明專利40項，已授權和公示15項。