轻型连体网络

面向水下车辆目标跟踪任务的轻量级孪生网络模型，采用混合激励方式提升算法精度。

Wu, Xiaofeng · Xinyue, Han · Zongyu, Zhang · Wu, Han · 杨旭 · 黄海

Journal of Marine Science and Engineering 2023

技术优势

模型更轻

将轻量级神经网络应用于孪生网络的残差结构中，在构建更深网络的同时降低了计算复杂度和成本。

适应水下环境

引入全局激励模块，通过空间、通道和运动三种激励方式应对多变复杂的水下环境，提高算法准确性。

跟踪成功率高

在自研水下车辆上进行了目标跟踪与抓取实验，结果表明该算法具有较高的跟踪成功率。

应用场景

• 水下机器人：为水下机器人提供实时目标跟踪，支持自主抓取作业。
• 水下无人机：轻量模型适合水下无人机有限算力，降低跟踪延迟。
• 水下目标跟踪：应对水下特征稀少和环境多变，提升跟踪成功率。