公开(公告)号：CN117115205A

公开(公告)日：2023-11-24

申请号：CN202311026164.7

申请日：2023-08-14

Applicant: 华中农业大学

Inventor： 邵佳 ,  冯贤伟 ,  张健 ,  张家睿 ,  秦静怡

IPC: G06T7/246 ,  G06T7/277 ,  G06V20/69 ,  G06V20/40 ,  G06V10/25 ,  G06V10/44 ,  G06V10/62 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明涉及一种基于深度学习的Cell‑SORT细胞跟踪方法和装置。针对细胞跟踪中，目标外观特征少、分辨率低的难点，选择当前主流目标检测模型YOLO系列中的最优模型YOLOv7‑X作为细胞检测模型，并修改其特征融合模块，提出高分辨率的YOLOv7‑X‑A细胞检测模型。针对细胞跟踪中，目标形变明显，且背景噪声复杂多变的挑战，基于SORT数据关联架构，采用优化后的卡尔曼滤波器(KF+)以便更好的预测目标的位置，同时引入BYTE匹配机制对目标检测框进行两次匹配，并引入轨迹插值后处理方法对轨迹进行填充。最后将改进的YOLOv7‑X‑A细胞检测模型与重建的SORT数据关联方法相结合，提出一种基于深度学习的Cell‑SORT细胞跟踪方法，实现鲁棒性强，准确性更高的细胞跟踪。

公开(公告)号：CN116958199A

公开(公告)日：2023-10-27

申请号：CN202310756194.7

申请日：2023-06-25

Applicant: 华中农业大学

Inventor： 邵佳 ,  雷汝霖 ,  尹志 ,  杜博

IPC: G06T7/246 ,  G06V20/40 ,  G06V10/40 ,  G06V10/80 ,  G06V10/776 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种量化友好的孪生网络目标跟踪方法和装置。针对于特征提取主干网络，对现有的多种轻量化特征提取主干网络的精确度和量化友好性进行实验比对，选取最适合低精度定点孪生网络目标跟踪方法的特征提取主干网络GhostNet；针对于特征融合方法，对多种轻量化的特征融合方法进行量化误差和跟踪精确度比对，并提出一种新的轻量化且量化友好的特征提取方法GhostAttention；针对分支预测方法，也对现有网络结构设计方式进行量化误差和跟踪精确度比对，选取最佳的分支预测结构角点热力图。最后，提出一种结构简单的、轻量化的、量化友好的孪生网络目标跟踪方法。