-
公开(公告)号：CN118823331B
公开(公告)日：2024-12-27
申请号：CN202411295596.2
申请日：2024-09-18
Applicant: 南昌工程学院
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/20
Abstract: 本发明提出基于通道分离注意力模块的目标跟踪方法与系统，该方法包括：将模板图像和搜索图像输入模型，得到前半部分输入数据与后半部分输入数据；通过前半部分输入数据和后半部分输入数据得到结果特征图的模板图像和结果特征图的搜索图像，并通过采用迭代的方式得到最后的结果特征图；将最后的结果特征图输入在线评估模块，得到置信度得分；对模型进行训练并利用训练后的模型对目标进行在线跟踪。本发明通过使用通道分离注意力模块，融合动态卷积与注意力，使跟踪器具有动态性的局部和全局的特征提取能力，以增强跟踪器的特征提取与融合能力，让跟踪器能更好的在复杂场景中应对对象外观的变化，进而提高目标跟踪的性能。
-
Patent Agency Ranking
公开(公告)号：CN118823331A
公开(公告)日：2024-10-22
申请号：CN202411295596.2
申请日：2024-09-18
Applicant: 南昌工程学院
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/20
Abstract: 本发明提出基于通道分离注意力模块的目标跟踪方法与系统，该方法包括：将模板图像和搜索图像输入模型，得到前半部分输入数据与后半部分输入数据；通过前半部分输入数据和后半部分输入数据得到结果特征图的模板图像和结果特征图的搜索图像，并通过采用迭代的方式得到最后的结果特征图；将最后的结果特征图输入在线评估模块，得到置信度得分；对模型进行训练并利用训练后的模型对目标进行在线跟踪。本发明通过使用通道分离注意力模块，融合动态卷积与注意力，使跟踪器具有动态性的局部和全局的特征提取能力，以增强跟踪器的特征提取与融合能力，让跟踪器能更好的在复杂场景中应对对象外观的变化，进而提高目标跟踪的性能。
-
公开(公告)号：CN117649582B
公开(公告)日：2024-04-19
申请号：CN202410106560.9
申请日：2024-01-25
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于级联注意力的单流单阶段网络目标跟踪方法与系统，该方法包括，首先构成单流单阶段整体模型，将模板图像以及搜索图片输入至单流单阶段整体模型中，进行特征提取获取局部特征信息，并利用级联注意力对局部语义信息进行聚合以实现特征增强，再进行交叉注意力计算以实现通信，获得结果特征图，将结果特征图采用迭代的方式重复提取若干次，得到最终的结果特征图以预测目所在位置和目标状态，并根据目标所在位置实现目标跟踪，同时根据目标状态确定是否将所预测的目标状态作为下一阶段在线跟踪过程中的在线模板。本发明再减少多头注意力的计算冗余的同时可以在复杂场景中应对对象外观的变化，进而提高目标跟踪的性能。
-
公开(公告)号：CN117649582A
公开(公告)日：2024-03-05
申请号：CN202410106560.9
申请日：2024-01-25
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于级联注意力的单流单阶段网络目标跟踪方法与系统，该方法包括，首先构成单流单阶段整体模型，将模板图像以及搜索图片输入至单流单阶段整体模型中，进行特征提取获取局部特征信息，并利用级联注意力对局部语义信息进行聚合以实现特征增强，再进行交叉注意力计算以实现通信，获得结果特征图，将结果特征图采用迭代的方式重复提取若干次，得到最终的结果特征图以预测目所在位置和目标状态，并根据目标所在位置实现目标跟踪，同时根据目标状态确定是否将所预测的目标状态作为下一阶段在线跟踪过程中的在线模板。本发明再减少多头注意力的计算冗余的同时可以在复杂场景中应对对象外观的变化，进而提高目标跟踪的性能。
-
公开(公告)号：CN119006530A
公开(公告)日：2024-11-22
申请号：CN202411492146.2
申请日：2024-10-24
Applicant: 南昌工程学院
IPC: G06T7/246 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06V10/44 , G06V10/766 , G06V10/82 , G06V10/46
Abstract: 本发明提出基于频域块和高效查询注意力的目标跟踪方法与系统，该方法包括：将模板图像输入模板分支模块，通过快速傅里叶变换，再通过门控卷积进行筛选，随后进行逆快速傅里叶变换，得到更新后的模板令牌；将更新后的模板令牌通过高效查询注意力机制处理得到模板特征图；将搜索图像输入搜索分支模块，通过多头自注意力机制生成搜索特征图；将模板特征图与搜索特征图进行拼接再通过多头自注意力机制处理，得到拼接特征图；将拼接特征图输入预测头，根据输出结果对目标进行跟踪。本发明充分结合频域块和高效查询注意力的优势构建基于Transformer的多尺度特征提取网络，使得跟踪器可以实现更准确和鲁棒的跟踪。
-
公开(公告)号：CN118015048A
公开(公告)日：2024-05-10
申请号：CN202410417455.7
申请日：2024-04-09
Applicant: 南昌工程学院
IPC: G06T7/246 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明提出一种基于残差网络和群体混合注意力的目标跟踪方法与系统，该方法包括，采用深度残差网络和群体混合注意力对模板分支以及搜索分支的目标图像特征进行提取，得到模板图像特征和搜索图像特征；再将模板图像特征输入模型预测模块进行训练，得到最优预测模型，再将最优预测模型的权重应用于搜索图像特征，再经过卷积计算出目标置信度分数，确定目标中心位置；利用模板图像特征和初始边界框获取调制向量，再将搜索图像特征、提议边界框以及调制向量输入IoU预测器中，估算每个提议边界框的IoU，以确定与初始边界框重叠最多的提议边界框，即目标的最终边界框。本发明可有效利用目标和背景外观信息，实现高精度和强泛化能力的跟踪。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
