-
公开(公告)号:CN114937062B
公开(公告)日:2024-08-16
申请号:CN202210673886.0
申请日:2022-06-14
Applicant: 燕山大学
IPC: G06T7/246 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/042
Abstract: 本发明公开了一种基于深度学习的无人机目标跟踪系统,通过设计一个基于Anchor‑free的聚合多尺度的目标跟踪系统,采用图注意力模块(GAM)替代了传统的互相关,更加有效地将目标信息从模板区域传递到搜索区域;针对目标跟踪中尺度变化等问题,采用了融合多尺度感受野结构,从而提出了Encoder模块;针对目标跟踪中计算复杂等问题,采用了自适应锚点的结构,大大减少了超参数,进而设计了Decoder模块;特征提取网络提取足够的语义信息经过GAM模块后送到Encoder模块;Encoder模块可以看做是一个单入多出的编码器,经过Encoder所得到的特征随后进入Decoder模块。
-
公开(公告)号:CN114937062A
公开(公告)日:2022-08-23
申请号:CN202210673886.0
申请日:2022-06-14
Applicant: 燕山大学
IPC: G06T7/246 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无人机目标跟踪系统,通过设计一个基于Anchor‑free的聚合多尺度的目标跟踪系统,采用图注意力模块(GAM)替代了传统的互相关,更加有效地将目标信息从模板区域传递到搜索区域;针对目标跟踪中尺度变化等问题,采用了融合多尺度感受野结构,从而提出了Encoder模块;针对目标跟踪中计算复杂等问题,采用了自适应锚点的结构,大大减少了超参数,进而设计了Decoder模块;特征提取网络提取足够的语义信息经过GAM模块后送到Encoder模块;Encoder模块可以看做是一个单入多出的编码器,经过Encoder所得到的特征随后进入Decoder模块。
-