公开(公告)号：CN113112522B

公开(公告)日：2025-05-02

申请号：CN202110311341.0

申请日：2021-03-23

Applicant: 江南大学

Inventor： 卢先领 ,  刘如浩

IPC: G06T7/246 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0985

Abstract: 本发明公开了一种基于可变形卷积和模板更新的孪生网络目标跟踪的方法，首次将可变形卷积网络和模板更新策略结合。采用可变形卷积学习特征数据在不同方向上的自适应偏移量，以增强骨干网络的特征提取能力。此外，深层特征虽语义信息丰富，但缺少位置信息，通过多层可变形互相关融合以提高定位精度。最后，提出了一种高置信度模板更新策略，即每隔固定帧计算一次响应图的峰值旁瓣比和最大值，以此为依据，采用加权的方式融合特征以更新模板。既保证了有效更新，也防止遮挡等特殊情况下更新模板。本发明提出了一种全新的端到端的深度模型，有效提升了方案跟踪性能。

公开(公告)号：CN114707604A

公开(公告)日：2022-07-05

申请号：CN202210359573.8

申请日：2022-04-07

Applicant: 江南大学

Inventor： 卢先领 ,  刘如浩

IPC: G06K9/62 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了计算机视觉的目标跟踪技术领域的一种基于时空注意力机制的孪生网络跟踪系统及方法，包括：获取图像数据中的模板图像数据和搜索图像数据；将模板图像数据和搜索图像数据分别输入到模板分支与搜索分支中进行特征提取，得到模板特征数据与搜索特征数据；将搜索特征数据输入到时空注意力机制模块中，得到时空注意力信息特征；将模板特征数据与时空注意力信息特征互相关得到响应图；将响应图输入分类回归网络中进行逐像素的分类与回归，对每个像素点进行分类，计算像素点到预测框的距离，得到分类结果与边界框。本发明能够更够准确的跟踪目标，有效解决模型对于时空上下文信息难以建立关联、目标分类与边界框回归较为复杂等问题。

公开(公告)号：CN113112522A

公开(公告)日：2021-07-13

申请号：CN202110311341.0

申请日：2021-03-23

Applicant: 江南大学

Inventor： 卢先领 ,  刘如浩

IPC: G06T7/246 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于可变形卷积和模板更新的孪生网络目标跟踪的方法，首次将可变形卷积网络和模板更新策略结合。采用可变形卷积学习特征数据在不同方向上的自适应偏移量，以增强骨干网络的特征提取能力。此外，深层特征虽语义信息丰富，但缺少位置信息，通过多层可变形互相关融合以提高定位精度。最后，提出了一种高置信度模板更新策略，即每隔固定帧计算一次响应图的峰值旁瓣比和最大值，以此为依据，采用加权的方式融合特征以更新模板。既保证了有效更新，也防止遮挡等特殊情况下更新模板。本发明提出了一种全新的端到端的深度模型，有效提升了方案跟踪性能。