公开(公告)号：CN113298136A

公开(公告)日：2021-08-24

申请号：CN202110556609.7

申请日：2021-05-21

Applicant: 南京邮电大学

Inventor： 胡旷伋 ,  朱虎 ,  邓丽珍

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于alpha散度的孪生网络跟踪方法，旨在解决现有技术难以实现高鲁棒性和准确性的视觉跟踪的技术问题。其包括：获取待跟踪图像和训练好的孪生网络，所述孪生网络基于alpha散度进行训练；利用ResNet50提取待跟踪图像的深度特征；利用目标中心回归分支处理待跟踪图像的深度特征，获得待跟踪图像的预测目标位置；利用目标框回归分支分别处理待跟踪图像的深度特征，获得待跟踪图像的预测目标框。本发明能够从概率角度解释了人工标注带来的噪声、不确定度，具有更高的准确性和鲁棒性。

公开(公告)号：CN113298136B

公开(公告)日：2022-08-05

申请号：CN202110556609.7

申请日：2021-05-21

Applicant: 南京邮电大学

Inventor： 胡旷伋 ,  朱虎 ,  邓丽珍

IPC: G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于alpha散度的孪生网络跟踪方法，旨在解决现有技术难以实现高鲁棒性和准确性的视觉跟踪的技术问题。其包括：获取待跟踪图像和训练好的孪生网络，所述孪生网络基于alpha散度进行训练；利用ResNet50提取待跟踪图像的深度特征；利用目标中心回归分支处理待跟踪图像的深度特征，获得待跟踪图像的预测目标位置；利用目标框回归分支分别处理待跟踪图像的深度特征，获得待跟踪图像的预测目标框。本发明能够从概率角度解释了人工标注带来的噪声、不确定度，具有更高的准确性和鲁棒性。