公开(公告)号：CN119693419A

公开(公告)日：2025-03-25

申请号：CN202411768898.7

申请日：2024-12-04

Applicant: 中国科学院光电技术研究所

Inventor： 张建林 ,  王智星 ,  罗辉 ,  李想 ,  黎万 ,  杨训

IPC: G06T7/246 ,  G06T7/223 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于局部响应最大似然建模的目标跟踪方法。首先，选取卷积神经网络主干其次，搭建基于局部响应最大似然建模的模块，包括局部最大似然值提取模块、局部最大似然值修正模块以及局部最大似然值选取模块模型，并选择合适的优化方法与损失函数。在第0帧仅使用初始的模版帧输入作为参照，输入到网络的模板分支得到对应的特征图，将后续帧输入到搜索区域分支得到对应的特征图，将其与第0帧的特征图完成相关性度量，从而将最大响应值的位置作为目标所在的位置。本方法在五个公开跟踪数据集上取得了优异的性能表现，在跟踪速度与精度方面做到了平衡，其推理速度能达到每秒81帧，满足了实际场景的实时性要求，超过同类精度的算法。

公开(公告)号：CN112561054B

公开(公告)日：2023-03-31

申请号：CN202011394192.0

申请日：2020-12-03

Applicant: 中国科学院光电技术研究所

Inventor： 罗辉 ,  张建林 ,  徐智勇 ,  李红川

IPC: G06N3/082 ,  G06N3/04

Abstract: 本发明公开了一种基于批量特征热图的神经网络滤波器剪枝方法，该方法主要用于减少模型存储量和提升模型推理速度。该方法包括加载并在给定数据集上微调预训练模型；生成模型每一层的批量特征热图；基于灰度阈值得到各滤波器的Mask为滤波器进行评分；对给定数据集进行随机不重复的抽取去更新滤波器的得分；以滤波器的得分为衡量准则实现每层滤波器的剪枝；重训练剪枝后的模型恢复精度等步骤。本发明解决了神经网络模型存储量大、推理速度慢的问题，使得剪枝后的神经网络模型可以在产生极小精度降低的情况下应用于资源受限的场景。

公开(公告)号：CN112561054A

公开(公告)日：2021-03-26

申请号：CN202011394192.0

申请日：2020-12-03

Applicant: 中国科学院光电技术研究所

Inventor： 罗辉 ,  张建林 ,  徐智勇 ,  李红川

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于批量特征热图的神经网络滤波器剪枝方法，该方法主要用于减少模型存储量和提升模型推理速度。该方法包括加载并在给定数据集上微调预训练模型；生成模型每一层的批量特征热图；基于灰度阈值得到各滤波器的Mask为滤波器进行评分；对给定数据集进行随机不重复的抽取去更新滤波器的得分；以滤波器的得分为衡量准则实现每层滤波器的剪枝；重训练剪枝后的模型恢复精度等步骤。本发明解决了神经网络模型存储量大、推理速度慢的问题，使得剪枝后的神经网络模型可以在产生极小精度降低的情况下应用于资源受限的场景。

公开(公告)号：CN119810143A

公开(公告)日：2025-04-11

申请号：CN202411667703.X

申请日：2024-11-21

Applicant: 中国科学院光电技术研究所

Inventor： 张建林 ,  王智星 ,  罗辉 ,  李想 ,  黎万 ,  杨训

IPC: G06T7/246 ,  G06T7/254 ,  G06V10/764 ,  G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06V20/17 ,  G06N3/0455 ,  G06N3/0464 ,  G06V10/52 ,  G06V10/762

Abstract: 本发明公开了一种基于局部与全局注意力建模的目标跟踪方法。包括：搭建主干网络进行初步提取特征，并在基础分类图像集上进行预训练；搭建跟踪颈模块，包括具有全局与局部注意力捕获能力的注意力结构以及用于跟踪精确定位的基于孪生架构的双流单目标跟踪网络；定义优化方法，优化参数与损失函数；将固定的初始帧图像输入主干网络的模板分支，通过跟踪特征主干网络提取出具有不变性的模板特征图；将后续帧按顺序输入主干网络的搜索区域分支，从而实现对给定无人机数据的稳定跟踪与精确定位。本方法在无人机高视角与变换尺度的场景下表现出色，该方法能够以每秒25帧的速度进行实时跟踪，满足了实际应用中的实时性要求。

公开(公告)号：CN119625023A

公开(公告)日：2025-03-14

申请号：CN202411704864.1

申请日：2024-11-26

Applicant: 中国科学院光电技术研究所

Inventor： 张建林 ,  王智星 ,  罗辉 ,  李想 ,  黎万 ,  杨训

IPC: G06T7/246 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/096 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明公开了一种基于扩散建模的序列化跟踪方法。首先，构建特征提取网络的主干作为编码器模块。其次，搭建基于扩散模型的解码器模块分为加噪阶段与解噪阶段。定义适当的损失函数与优化方法，以确保网络训练过程中的收敛性。对跟踪网络进行充分的训练，使其能够准确识别并跟踪目标。在时序上将训练与推理过程统一，在训练阶段输入多个模板，一个搜索区域，从而在推理阶段实现多帧的更新。在推理阶段，扩散模型从随机高斯噪音中直接采样，从而生成跟踪框的序列。本方法在相似干扰，目标形变的场景下表现出色，不仅跟踪精度高，而且具备实时的序列生成速度，即该方法能够以每秒51帧的速度进行实时跟踪，满足了实际应用中的实时性要求。