-
Patent Agency Ranking
公开(公告)号：CN119478563B
公开(公告)日：2025-04-01
申请号：CN202510056801.8
申请日：2025-01-14
Applicant: 南昌工程学院
IPC: G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464
Abstract: 本发明提出基于多频率聚合块特征融合网络的目标跟踪方法，该方法包括：对输入图像的浅层特征进行提取，得到浅层特征图；通过低频全局分支得到低频全局信息；通过高频局部分支得到高频局部信息；基于低频全局信息与低频全局信息进行得到多频率聚合注意力特征图；基于多频率聚合注意力特征图得到多频率聚合块处理的特征图；基于多频率聚合块处理的特征图得到经过融合注意力处理的特征图；对模型进行训练，得到训练后的模型；基于训练后的模型得到分类结果并对目标进行跟踪。本发明通过多频率聚合块高效提取不同频率的信息，特征融合网络浅层中的多频率聚合块提高了模型对低频全局特征和高频局部特征的关注度，实现了高、低频信息的平衡。
-
公开(公告)号：CN119648749B
公开(公告)日：2025-05-16
申请号：CN202510171644.5
申请日：2025-02-17
Applicant: 南昌工程学院
IPC: G06T7/246 , G06V10/80 , G06N3/045 , G06V10/774 , G06V10/82
Abstract: 本发明提出一种基于空间通道求和注意力的目标跟踪方法与系统，该方法通过采用基于空间通道求和注意力模块的双分支特征提取网络进行图像特征提取，在提取过程中经过空间注意力机制以及通道注意力机制的处理，实现空间域和通道域的信息交互，获得大量结构化空间信息和通道信息，得到最终的模板特征和中间搜索特征，再将最终的模板特征和中间搜索特征进行融合，并送入头部预测网络，可以得到跟踪目标在搜索区域的最大响应位置，从而进行目标跟踪。本发明充分利用空间通道求和注意力的优势，使得跟踪器可以很好地应对跟踪过程中出现的目标遮挡、快速移动、背景复杂等困难，可以实现更准确的跟踪。
-
公开(公告)号：CN119478563A
公开(公告)日：2025-02-18
申请号：CN202510056801.8
申请日：2025-01-14
Applicant: 南昌工程学院
IPC: G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464
Abstract: 本发明提出基于多频率聚合块特征融合网络的目标跟踪方法，该方法包括：对输入图像的浅层特征进行提取，得到浅层特征图；通过低频全局分支得到低频全局信息；通过高频局部分支得到高频局部信息；基于低频全局信息与低频全局信息进行得到多频率聚合注意力特征图；基于多频率聚合注意力特征图得到多频率聚合块处理的特征图；基于多频率聚合块处理的特征图得到经过融合注意力处理的特征图；对模型进行训练，得到训练后的模型；基于训练后的模型得到分类结果并对目标进行跟踪。本发明通过多频率聚合块高效提取不同频率的信息，特征融合网络浅层中的多频率聚合块提高了模型对低频全局特征和高频局部特征的关注度，实现了高、低频信息的平衡。
-
公开(公告)号：CN119672072A
公开(公告)日：2025-03-21
申请号：CN202510193877.5
申请日：2025-02-21
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于多尺度特征和共线注意力模块的目标跟踪方法与系统，该方法包括：构建特征融合网络模型；以模板图像以及搜索区域图像作为单残差多尺度块的输入特征，得到单残差多尺度特征块的输出特征；模板分支中，模板分支单残差多尺度特征块的输出特征进行处理，得到最终的自注意力；结合最终的自注意力对特征融合网络模型进行预训练；将模板图像以及搜索区域图像作为预训练后的特征融合网络模型的输入特征，得到新的单残差多尺度特征块的输出特征，并进一步得到最大相似度得分；根据最大相似度得分得到预测结果。本发明充分结合单残差多尺度特征和共线约束注意力的优势，以获得更好的特征融合和减少冗余计算，优化性能和速度之间的平衡。
-
公开(公告)号：CN119648749A
公开(公告)日：2025-03-18
申请号：CN202510171644.5
申请日：2025-02-17
Applicant: 南昌工程学院
IPC: G06T7/246 , G06V10/80 , G06N3/045 , G06V10/774 , G06V10/82
Abstract: 本发明提出一种基于空间通道求和注意力的目标跟踪方法与系统，该方法通过采用基于空间通道求和注意力模块的双分支特征提取网络进行图像特征提取，在提取过程中经过空间注意力机制以及通道注意力机制的处理，实现空间域和通道域的信息交互，获得大量结构化空间信息和通道信息，得到最终的模板特征和中间搜索特征，再将最终的模板特征和中间搜索特征进行融合，并送入头部预测网络，可以得到跟踪目标在搜索区域的最大响应位置，从而进行目标跟踪。本发明充分利用空间通道求和注意力的优势，使得跟踪器可以很好地应对跟踪过程中出现的目标遮挡、快速移动、背景复杂等困难，可以实现更准确的跟踪。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
