-
公开(公告)号：CN117710663B
公开(公告)日：2024-04-26
申请号：CN202410162830.8
申请日：2024-02-05
Applicant: 南昌工程学院
IPC: G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于特征增强与级联融合注意力的目标跟踪方法与系统，该方法包括，在孪生双分支网络目标跟踪框架下，基于特征表示增强模块构建得到特征提取网络，基于级联融合注意力构建得到特征融合网络，利用训练后的特征提取网络提取目标模板图像以及搜索区域图像的深层特征并进行增强，获得模板特征和搜索特征，将模板特征输入到编码器中获得编码特征，将编码特征输入训练后的特征融合网络中进行级联融合注意力操作，得到增强的目标模板中间特征，将搜索特征与增强的目标模板中间特征输入至解码器，以得到用于定位目标的分数预测图以实现目标跟踪。本发明利用分组级联的设计方式，充分利用全局上下文信息，实现更加鲁棒和精确的跟踪。
-
公开(公告)号：CN117710663A
公开(公告)日：2024-03-15
申请号：CN202410162830.8
申请日：2024-02-05
Applicant: 南昌工程学院
IPC: G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于特征增强与级联融合注意力的目标跟踪方法与系统，该方法包括，在孪生双分支网络目标跟踪框架下，基于特征表示增强模块构建得到特征提取网络，基于级联融合注意力构建得到特征融合网络，利用训练后的特征提取网络提取目标模板图像以及搜索区域图像的深层特征并进行增强，获得模板特征和搜索特征，将模板特征输入到编码器中获得编码特征，将编码特征输入训练后的特征融合网络中进行级联融合注意力操作，得到增强的目标模板中间特征，将搜索特征与增强的目标模板中间特征输入至解码器，以得到用于定位目标的分数预测图以实现目标跟踪。本发明利用分组级联的设计方式，充分利用全局上下文信息，实现更加鲁棒和精确的跟踪。
-
公开(公告)号：CN117252904B
公开(公告)日：2024-02-09
申请号：CN202311516588.1
申请日：2023-11-15
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于长程空间感知与通道增强的目标跟踪方法与系统，该方法在孪生双分支网络结构目标跟踪框架下，基于长程空间感知构和通道注意力分别构建特征提取网络和特征融合网络，利用特征提取网络分别提取模板特征和搜索特征，将模板特征送入特征融合网络中，利用通道映射之间的相互依赖来增强目标图像特征的语义表示，得到卷积权重，根据卷积权重信息结合模板特征和模板目标图像预测，将预测结果与搜索特征进行融合，得到得分图，将得分图中最高得分区域作为最终的跟踪结果。本发明利用通道映射之间的相互依赖来增强目标图像特征的语义表示来增强局部细节，抑制不相关区(56)对比文件yuanyun wang等.RCFT: re-parameterization convolution and featurefilter for object tracking.web ofscience.2023,全文.毛雪宇;彭艳兵.增量角度域损失和多特征融合的地标识别.中国图象图形学报.2020,(08期),全文.董吉富;刘畅;曹方伟;凌源;高翔.基于注意力机制的在线自适应孪生网络跟踪算法.激光与光电子学进展.2020,(02期),全文.
-
公开(公告)号：CN117252904A
公开(公告)日：2023-12-19
申请号：CN202311516588.1
申请日：2023-11-15
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于长程空间感知与通道增强的目标跟踪方法与系统，该方法在孪生双分支网络结构目标跟踪框架下，基于长程空间感知构和通道注意力分别构建特征提取网络和特征融合网络，利用特征提取网络分别提取模板特征和搜索特征，将模板特征送入特征融合网络中，利用通道映射之间的相互依赖来增强目标图像特征的语义表示，得到卷积权重，根据卷积权重信息结合模板特征和模板目标图像预测，将预测结果与搜索特征进行融合，得到得分图，将得分图中最高得分区域作为最终的跟踪结果。本发明利用通道映射之间的相互依赖来增强目标图像特征的语义表示来增强局部细节，抑制不相关区域，可获得具有判别性的背景前景特征和丰富的通道信息，提高跟踪效果。
-
-
-
Search Results
4
records
(took 0.024 seconds)
