-
公开(公告)号：CN116205951A
公开(公告)日：2023-06-02
申请号：CN202310222121.X
申请日：2023-03-09
Applicant: 南京邮电大学
IPC: G06T7/246 , G06N3/08 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种鲁棒性视觉跟踪方法，包括对现有的视频数据进行预处理；用多个视频序列训练预训练的卷积神经网络；随机初始化全连接层；投影输入特征；构建图模型G，图模型G表示结果重新投影到原始表示空间中；建立全局推理模型；把第一帧添加到短期跟踪和长期跟踪的集合中；自第二帧起，绘制正样本和负样本作为训练样本；利用元学习对参数矩阵P进行在线学习；短期更新输出特征对全局推理模型进行微调；从卷积神经网络的最后一层获得三种样本；训练三元组损失函数调节多模态相似度，并最小化距离函数。相较于现有技术，本发明通过加强嵌套全局推理模型，并利用部分多域目标信息进行场景感知更新，能够提高计算机视觉跟踪的性能。
Search Results
1
records
(took 0.022 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
