-
公开(公告)号：CN119273941A
公开(公告)日：2025-01-07
申请号：CN202411815288.8
申请日：2024-12-11
Applicant: 南昌工程学院
IPC: G06V10/62 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/75 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/40 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明提出基于分组注意力特征提取网络的目标跟踪方法与系统，该方法包括：基于模板和搜索图像，利用分组注意力特征提取网络得到模板和搜索特征；对模板目标图像特征与搜索图像特征的局部区域进行学习，聚合得到目标信息；将模板与搜索特征进行拼接，得到异步交互阶段自注意力编码器的输入；融合后的特征结合预测头进行计算，获取分类回归结果，根据分类归回结果对目标预测；结合大规模数据集对目标跟踪模型进行训练，得到训练后的目标跟踪模型，利用训练后的目标跟踪模型对目标进行精确的目标跟踪；本发明构建的基于Transformer的多尺度特征提取网络，促进窗口内部和窗口间的顺序局部和全局信息交互，实现性能与速度之间的最佳平衡。
-
公开(公告)号：CN118781155B
公开(公告)日：2025-01-28
申请号：CN202411273428.3
申请日：2024-09-12
Applicant: 南昌工程学院
Abstract: 本发明提出基于递归扩张注意力的孪生网络的目标跟踪方法与系统，该方法包括：基于Transformer网络和递归扩张注意力模块构建特目标跟踪模型；基于模板和搜索图像，利用双分支特征提取网络得到模板和搜索特征；将模板与搜索特征进行拼接，得到拼接后的特征；基于拼接后的特征，结合预测头进行计算，获取分类回归结果，根据分类归回结果对目标进行预测；结合大规模数据集采用迭代的方式对目标跟踪模型进行训练，得到训练后的目标跟踪模型，利用训练后的目标跟踪模型对目标进行精确的目标跟踪。本发明优化了特征提取过程，为图像识别和搜索任务提供了一种更为高效和精确的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN118096836A
公开(公告)日：2024-05-28
申请号：CN202410513674.5
申请日：2024-04-26
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于旋转等变网络与三重注意力机制目标跟踪方法与系统，该方法在特征提取过程中通过三重注意力机制模块通过捕获三个分支之间的跨维相互作用信息，在进行多头自注意力计算，以增强给定的目标图像和搜索区域目标图像的全局上下文相关信息，再将所得特征图，通过旋转等变网络对进行旋转操作和剩余转换构建维间依赖关系，得到具有完全旋转不变性的特征图，再利用具有完全旋转不变性的特征图进行后续分类回归操作。本发明可提高目标图像和搜索区域目标图像的全局匹配的准确性，实现更准确的跟踪。
-
公开(公告)号：CN118015048A
公开(公告)日：2024-05-10
申请号：CN202410417455.7
申请日：2024-04-09
Applicant: 南昌工程学院
IPC: G06T7/246 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明提出一种基于残差网络和群体混合注意力的目标跟踪方法与系统，该方法包括，采用深度残差网络和群体混合注意力对模板分支以及搜索分支的目标图像特征进行提取，得到模板图像特征和搜索图像特征；再将模板图像特征输入模型预测模块进行训练，得到最优预测模型，再将最优预测模型的权重应用于搜索图像特征，再经过卷积计算出目标置信度分数，确定目标中心位置；利用模板图像特征和初始边界框获取调制向量，再将搜索图像特征、提议边界框以及调制向量输入IoU预测器中，估算每个提议边界框的IoU，以确定与初始边界框重叠最多的提议边界框，即目标的最终边界框。本发明可有效利用目标和背景外观信息，实现高精度和强泛化能力的跟踪。
-
公开(公告)号：CN118781155A
公开(公告)日：2024-10-15
申请号：CN202411273428.3
申请日：2024-09-12
Applicant: 南昌工程学院
Abstract: 本发明提出基于递归扩张注意力的孪生网络的目标跟踪方法与系统，该方法包括：基于Transformer网络和递归扩张注意力模块构建特目标跟踪模型；基于模板和搜索图像，利用双分支特征提取网络得到模板和搜索特征；将模板与搜索特征进行拼接，得到拼接后的特征；基于拼接后的特征，结合预测头进行计算，获取分类回归结果，根据分类归回结果对目标进行预测；结合大规模数据集采用迭代的方式对目标跟踪模型进行训练，得到训练后的目标跟踪模型，利用训练后的目标跟踪模型对目标进行精确的目标跟踪。本发明优化了特征提取过程，为图像识别和搜索任务提供了一种更为高效和精确的解决方案。
-
公开(公告)号：CN118096836B
公开(公告)日：2024-06-21
申请号：CN202410513674.5
申请日：2024-04-26
Applicant: 南昌工程学院
Abstract: 本发明提出一种基于旋转等变网络与三重注意力机制目标跟踪方法与系统，该方法在特征提取过程中通过三重注意力机制模块通过捕获三个分支之间的跨维相互作用信息，在进行多头自注意力计算，以增强给定的目标图像和搜索区域目标图像的全局上下文相关信息，再将所得特征图，通过旋转等变网络对进行旋转操作和剩余转换构建维间依赖关系，得到具有完全旋转不变性的特征图，再利用具有完全旋转不变性的特征图进行后续分类回归操作。本发明可提高目标图像和搜索区域目标图像的全局匹配的准确性，实现更准确的跟踪。
-
公开(公告)号：CN118898638A
公开(公告)日：2024-11-05
申请号：CN202411399217.4
申请日：2024-10-09
Applicant: 南昌工程学院
IPC: G06T7/246 , G06T3/4038
Abstract: 本发明提出一种基于尺度感知卷积特征提取网络的目标跟踪方法与系统，该方法包括：将模板图像和搜索图像输入预测模型，通过尺度感知卷积模块中的多头混合卷积模块处理，得到多头混合卷积模块的输出特征图；随后利用尺度感知卷积模块中的感知聚合模块的分组和聚合功能，得到尺度感知卷积模块的的输出特征图；将模板特征图和搜索特征图进行拼接，得到拼接后的特征图；通过扩展注意力模块引入扩展因子并进行注意力计算得到扩展注意力的输出特征；将扩展注意力的输出特征输入到中心预测头模块进行预测，并进行目标跟踪。本发明可以使跟踪器实现局部信息和全局信息之间一个更好的平衡，从而在面对背景干扰、快速移动时实现鲁棒性更强的跟踪。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
