-
公开(公告)号：CN118096836B
公开(公告)日：2024-06-21
申请号：CN202410513674.5
申请日：2024-04-26
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于旋转等变网络与三重注意力机制目标跟踪方法与系统，该方法在特征提取过程中通过三重注意力机制模块通过捕获三个分支之间的跨维相互作用信息，在进行多头自注意力计算，以增强给定的目标图像和搜索区域目标图像的全局上下文相关信息，再将所得特征图，通过旋转等变网络对进行旋转操作和剩余转换构建维间依赖关系，得到具有完全旋转不变性的特征图，再利用具有完全旋转不变性的特征图进行后续分类回归操作。本发明可提高目标图像和搜索区域目标图像的全局匹配的准确性，实现更准确的跟踪。
-
公开(公告)号：CN118096836A
公开(公告)日：2024-05-28
申请号：CN202410513674.5
申请日：2024-04-26
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于旋转等变网络与三重注意力机制目标跟踪方法与系统，该方法在特征提取过程中通过三重注意力机制模块通过捕获三个分支之间的跨维相互作用信息，在进行多头自注意力计算，以增强给定的目标图像和搜索区域目标图像的全局上下文相关信息，再将所得特征图，通过旋转等变网络对进行旋转操作和剩余转换构建维间依赖关系，得到具有完全旋转不变性的特征图，再利用具有完全旋转不变性的特征图进行后续分类回归操作。本发明可提高目标图像和搜索区域目标图像的全局匹配的准确性，实现更准确的跟踪。
-
公开(公告)号：CN115375737B
公开(公告)日：2023-02-03
申请号：CN202211308115.8
申请日：2022-10-25
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于自适应时间与序列化时空特征的目标跟踪方法与系统，首先在双分支跟踪网络框架下，基于深度卷积神经网络和自适应时间模块，构建得到特征提取网络；在提取目标特征的基础上，目标模板分支特征通过序列化时空特征模块得到增强的目标模板特征信息；将该特征信息输入到模型预测器，通过模型预测器得到适应性卷积核；搜索区域分支特征经过特征提取网络与卷积核进行卷积，得到融合之后的得分图，即进一步实现目标跟踪。在本发明中，通过重构基于自适应时间特征表示与序列化时空特征模块进行特征融合，从而提高了给定的目标图像和搜索区域图像的特征融合的性能，最终实现更加精确的目标跟踪。
-
公开(公告)号：CN115375737A
公开(公告)日：2022-11-22
申请号：CN202211308115.8
申请日：2022-10-25
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于自适应时间与序列化时空特征的目标跟踪方法与系统，首先在双分支跟踪网络框架下，基于深度卷积神经网络和自适应时间模块，构建得到特征提取网络；在提取目标特征的基础上，目标模板分支特征通过序列化时空特征模块得到增强的目标模板特征信息；将该特征信息输入到模型预测器，通过模型预测器得到适应性卷积核；搜索区域分支特征经过特征提取网络与卷积核进行卷积，得到融合之后的得分图，即进一步实现目标跟踪。在本发明中，通过重构基于自适应时间特征表示与序列化时空特征模块进行特征融合，从而提高了给定的目标图像和搜索区域图像的特征融合的性能，最终实现更加精确的目标跟踪。
-
-
-
Search Results
4
records
(took 0.021 seconds)
