-
Patent Agency Ranking
公开(公告)号：CN119741578A
公开(公告)日：2025-04-01
申请号：CN202510240847.5
申请日：2025-03-03
Applicant: 南昌工程学院
IPC: G06V10/80 , G06V10/82 , G06T5/94 , G06T3/4038 , G06N3/0985 , G06N3/0455
Abstract: 本发明提出一种基于紧凑轴向注意力和细节增强的目标跟踪方法与系统，该方法包括：将模板图像和搜索区域图像输入至特征提取网络中进行统一特征学习，得到输出特征图；利用大规模数据集对优化的特征提取网络依次进行预训练和参数调整；将模板图像和搜索区域图像输入至参数调整后的特征提取网络中进行特征提取；将细节融合特征依次进行展平操作和拼接操作，并输入至特征融合模块中进行特征融合；将包含信息的融合特征输入至预测头，获取目标跟踪框，利用目标跟踪模型对目标跟踪框进行跟踪，得到跟踪结果；本发明通过细节增强模块使跟踪器能够在保持全局语义理解的同时，恢复和利用局部细节信息，从而在目标跟踪的准确性上得到显著提升。
-
公开(公告)号：CN119741578B
公开(公告)日：2025-05-09
申请号：CN202510240847.5
申请日：2025-03-03
Applicant: 南昌工程学院
IPC: G06V10/80 , G06V10/82 , G06T5/94 , G06T3/4038 , G06N3/0985 , G06N3/0455
Abstract: 本发明提出一种基于紧凑轴向注意力和细节增强的目标跟踪方法与系统，该方法包括：将模板图像和搜索区域图像输入至特征提取网络中进行统一特征学习，得到输出特征图；利用大规模数据集对优化的特征提取网络依次进行预训练和参数调整；将模板图像和搜索区域图像输入至参数调整后的特征提取网络中进行特征提取；将细节融合特征依次进行展平操作和拼接操作，并输入至特征融合模块中进行特征融合；将包含信息的融合特征输入至预测头，获取目标跟踪框，利用目标跟踪模型对目标跟踪框进行跟踪，得到跟踪结果；本发明通过细节增强模块使跟踪器能够在保持全局语义理解的同时，恢复和利用局部细节信息，从而在目标跟踪的准确性上得到显著提升。
-
公开(公告)号：CN118898638A
公开(公告)日：2024-11-05
申请号：CN202411399217.4
申请日：2024-10-09
Applicant: 南昌工程学院
IPC: G06T7/246 , G06T3/4038
Abstract: 本发明提出一种基于尺度感知卷积特征提取网络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预测模型，通过尺度感知卷积模块中的多头混合卷积模块处理，得到多头混合卷积模块的输出特征图；随后利用尺度感知卷积模块中的感知聚合模块的分组和聚合功能，得到尺度感知卷积模块的的输出特征图；将模板特征图和搜索特征图进行拼接，得到拼接后的特征图；通过扩展注意力模块引入扩展因子并进行注意力计算得到扩展注意力的输出特征；将扩展注意力的输出特征输入到中心预测头模块进行预测，并进行目标跟踪。本发明可以使跟踪器实现局部信息和全局信息之间一个更好的平衡，从而在面对背景干扰、快速移动时实现鲁棒性更强的跟踪。
-
公开(公告)号：CN118429389B
公开(公告)日：2024-09-06
申请号：CN202410877555.8
申请日：2024-07-02
Applicant: 南昌工程学院
Abstract: 本发明提出基于多尺度聚合注意力特征提取网络的目标跟踪方法与系统，该方法包括：在Transformer的网络结构下，构建多尺度特征提取网络；使用多种数据集对构建的多尺度特征提取网络进行训练；基于训练后的多尺度特征提取网络模型对模板图像和搜索图像进行特征提取，再经过交叉注意力计算并输出，获取最终特征图；将最终特征图输入到由三个卷积分支组成的预测头内，根据三个分支的预测结果，以确定最终的边界框。本发明通过将多尺度聚合注意力放在特征提取网络浅层中，可提高模型对局部特征的关注度，实现局部信息和全局信息之间一个更好的平衡，从而在面对背景干扰与快速移动等影响时实现鲁棒性更强的跟踪。
-
公开(公告)号：CN118429389A
公开(公告)日：2024-08-02
申请号：CN202410877555.8
申请日：2024-07-02
Applicant: 南昌工程学院
Abstract: 本发明提出基于多尺度聚合注意力特征提取网络的目标跟踪方法与系统，该方法包括：在Transformer的网络结构下，构建多尺度特征提取网络；使用多种数据集对构建的多尺度特征提取网络进行训练；基于训练后的多尺度特征提取网络模型对模板图像和搜索图像进行特征提取，再经过交叉注意力计算并输出，获取最终特征图；将最终特征图输入到由三个卷积分支组成的预测头内，根据三个分支的预测结果，以确定最终的边界框。本发明通过将多尺度聚合注意力放在特征提取网络浅层中，可提高模型对局部特征的关注度，实现局部信息和全局信息之间一个更好的平衡，从而在面对背景干扰与快速移动等影响时实现鲁棒性更强的跟踪。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
