【香港商報網訊】記者 林麗青 報導：近日，哈工大（深圳）計算機學院視覺感知團隊論文《熱紅外跟蹤使用多任務驅動的特徵模型》（「Multi-Task Driven Feature Models for Thermal Infrared Tracking」）入選國際人工智能頂級會議AAAI2020（AAAI Conference on Artificial Intelligence 2020），該論文提出了一種基於多任務驅動的熱紅外專用的特徵模型，用於熱紅外跟蹤任務且取得了優異的性能，為熱紅外跟蹤領域提供了新的研究思路。
提出的多任務驅動的熱紅外專用特徵模型框架。它由一個多分類任務分支，一個判別性匹配任務分支，和一個細粒度匹配分支組成。（b）提出的細粒度感知模塊，用於捕獲熱紅外目標的細粒度關聯特徵。它由一個整體的關聯模塊和一個像素級的關聯模塊構成
該論文由計算機科學與技術學院2017級博士生劉喬、2015級博士生李鑫共同擔任第一作者，何震宇教授為通訊作者，哈工大（深圳）為第一通訊單位，鵬城實驗室為第二通訊單位。作為計算機視覺人工智能領域最頂級會議，AAAI會議錄取論文代表了計算機視覺人工智能領域在2019年最新和最高的科技水平及未來發展趨勢，2019年論文錄取率僅20.6%。
論文致力於解決熱紅外跟蹤任務中的相似物干擾問題。鑒於當前特徵模型不能有效地區分同類熱紅外目標之間的細微區別，論文提出利用多任務框架同時學習熱紅外專用的判別性特徵與細粒度的關聯特徵，如圖（a）所示。兩種特徵相輔相成，分別從類間與類內識別目標之間的差異。論文利用了一個輔助的多分類任務指導學習熱紅外專用的判別性特徵，並且提出一個細粒度感知模塊捕獲熱紅外目標的細粒度關聯特徵，如圖（b）所示。
此外，為了訓練提出的網絡模型，論文還構建了一個大規模的熱紅外視頻訓練數據集。該數據集不僅有利於熱紅外跟蹤領域的發展，也可以用於其它的熱紅外視覺任務，如檢測、分類等。在多個數據集上的測試結果證明該方法取得了當前最先進的跟蹤效果。