-
公开(公告)号：CN117115474A
公开(公告)日：2023-11-24
申请号：CN202311073647.2
申请日：2023-08-24
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于多阶段特征提取的端到端单目标跟踪方法；该方法包括：获取待识别视频并对其进行预处理，得到模板帧和搜索帧；采用多层感知机分别对模板帧和搜索帧进行处理，得到初级模板帧特征和初级搜索帧特征；拼接初级模板帧特征和初级搜索帧特征，得到拼接特征；将拼接特征输入到多个级联的视觉转换器自注意力编码模块中进行处理，得到混合特征；对混合特征进行拆分，得到搜索特征向量；采用自回归预测头对搜索特征向量进行处理，得到目标跟踪框即目标跟踪结果；计算模型总损失并根据模型总损失调整模型参数，得到训练好的端到端单目标跟踪模型；本发明提高了目标跟踪结果的准确性和实时性。
-
Patent Agency Ranking
公开(公告)号：CN117115474B
公开(公告)日：2025-04-22
申请号：CN202311073647.2
申请日：2023-08-24
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于多阶段特征提取的端到端单目标跟踪方法；该方法包括：获取待识别视频并对其进行预处理，得到模板帧和搜索帧；采用多层感知机分别对模板帧和搜索帧进行处理，得到初级模板帧特征和初级搜索帧特征；拼接初级模板帧特征和初级搜索帧特征，得到拼接特征；将拼接特征输入到多个级联的视觉转换器自注意力编码模块中进行处理，得到混合特征；对混合特征进行拆分，得到搜索特征向量；采用自回归预测头对搜索特征向量进行处理，得到目标跟踪框即目标跟踪结果；计算模型总损失并根据模型总损失调整模型参数，得到训练好的端到端单目标跟踪模型；本发明提高了目标跟踪结果的准确性和实时性。
-
公开(公告)号：CN116310647A
公开(公告)日：2023-06-23
申请号：CN202310289172.4
申请日：2023-03-23
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V20/52 , G06N3/045 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，特别涉及一种基于增量学习的劳保物品目标检测方法及系统，方法包括构建第一劳保物品目标检测数据集对教师网络进行训练；获取第二劳保物品目标检测数据集，根据第二劳保物品目标检测数据集中比第一劳保物品目标检测数据集多的标签类别数量，增加学生网络输出层神经元数量来扩展网络；对学生模型初始化，在学生模型与教师模型之间构建蒸馏损失函数；基于构建的蒸馏损失函数构建学生模型的损失函数，利用第二劳保物品目标检测数据集对学生模型进行训练；将训练好的学生模型部署到智慧工地平台上，对工地内进行目标检测；本发明克服传统深度学习算法在新样本上训练之后会产生灾难性遗忘的问题。
-
公开(公告)号：CN116823885B
公开(公告)日：2025-04-18
申请号：CN202310771396.9
申请日：2023-06-27
Applicant: 重庆邮电大学
IPC: G06T7/246 , G06V20/40 , G06T3/4038 , G06T3/4046 , G06T7/10 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于金字塔池化注意力机制的端到端单目标跟踪方法；该方法包括：获取待识别视频并对其进行预处理，得到模板帧和搜索帧；采用特征提取器对模板帧和搜索帧进行处理，得到混合特征；分割混合特征，得到初级搜索帧特征；对搜索帧特征进行Reshape操作，得到最终的搜索帧特征；采用全卷积预测头对搜索帧特征进行处理，得到目标跟踪框即目标跟踪结果；本发明可更好地捕获目标和搜索区域之间的相关性，提高目标跟踪结果的准确性。
-
公开(公告)号：CN117333735A
公开(公告)日：2024-01-02
申请号：CN202311265214.7
申请日：2023-09-28
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/045 , G06N3/096
Abstract: 本发明属于计算机视觉技术领域，特别涉及一种基于知识蒸馏的劳保物品检测模型的训练方法，包括利用第一检测物品数据集对作为教师模型的检测网络进行训练；根据第二检测物品数据集中在第一检测物品数据集没出现过类型的数量增加学生模型中神经元的数量，并利用完成训练的教师模型对学生模型进行初始化，对新增的神经元进行随机初始化；构建学生模型与教师模型之间的蒸馏损失函数；基于构建的蒸馏损失函数建立学生模型的损失函数，并利用第二检测物品数据集对学生模型进行训练；本发明克服传统深度学习算法在新样本上训练之后会产生灾难性遗忘的问题，构建了一个可以连续学习的目标检测器。
-
公开(公告)号：CN116823885A
公开(公告)日：2023-09-29
申请号：CN202310771396.9
申请日：2023-06-27
Applicant: 重庆邮电大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于金字塔池化注意力机制的端到端单目标跟踪方法；该方法包括：获取待识别视频并对其进行预处理，得到模板帧和搜索帧；采用特征提取器对模板帧和搜索帧进行处理，得到混合特征；分割混合特征，得到初级搜索帧特征；对搜索帧特征进行Reshape操作，得到最终的搜索帧特征；采用全卷积预测头对搜索帧特征进行处理，得到目标跟踪框即目标跟踪结果；本发明可更好地捕获目标和搜索区域之间的相关性，提高目标跟踪结果的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
