公开(公告)号：CN114399533B

公开(公告)日：2024-04-16

申请号：CN202210047253.9

申请日：2022-01-17

Applicant: 中南大学

Inventor： 阳春华 ,  安栋 ,  赵于前 ,  张帆 ,  张俊

IPC: G06T7/246 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于多层次注意力机制的单目标追踪方法，其实施方案为：(1)获取数据集与追踪标签；(2)选取并裁剪追踪样本；(3)提取、展平、拼接样本图像特征图；(4)构建多层次注意力网络；(5)构建特征增强模块；(6)构建目标预测网络；(7)获取追踪模型；(7)构建损失函数；(8)训练追踪模型；(9)单目标追踪。本发明构建的追踪模型，利用多层次注意力网络对搜索区域和模板的图像特征进行全局的相关性建模，产生多层的注意力特征；利用特征增强模块对多层注意力特征进行融合，获得目标的最终预测结果。该模型能够解决当追踪目标发生大的形变时难以追踪的问题，并可有效提高单目标追踪的准确率和鲁棒性。

公开(公告)号：CN114399533A

公开(公告)日：2022-04-26

申请号：CN202210047253.9

申请日：2022-01-17

Applicant: 中南大学

Inventor： 阳春华 ,  安栋 ,  赵于前 ,  张帆 ,  张俊

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

Abstract: 本发明公开了一种基于多层次注意力机制的单目标追踪方法，其实施方案为：(1)获取数据集与追踪标签；(2)选取并裁剪追踪样本；(3)提取、展平、拼接样本图像特征图；(4)构建多层次注意力网络；(5)构建特征增强模块；(6)构建目标预测网络；(7)获取追踪模型；(7)构建损失函数；(8)训练追踪模型；(9)单目标追踪。本发明构建的追踪模型，利用多层次注意力网络对搜索区域和模板的图像特征进行全局的相关性建模，产生多层的注意力特征；利用特征增强模块对多层注意力特征进行融合，获得目标的最终预测结果。该模型能够解决当追踪目标发生大的形变时难以追踪的问题，并可有效提高单目标追踪的准确率和鲁棒性。