公开(公告)号：CN114092521A

公开(公告)日：2022-02-25

申请号：CN202111425943.5

申请日：2021-11-26

Applicant: 厦门理工学院

Inventor： 陈思 ,  王立波 ,  王大寒 ,  朱顺痣 ,  吴芸

IPC: G06T7/246 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明涉及一种基于多阶段自适应网络的鲁棒目标跟踪方法及系统，该方法包括以下步骤：S1、构建离线训练数据集；S2、使用元学习的多步梯度下降训练方法对离线训练数据集进行训练，得到元学习模型；S3、构建多阶段自适应网络，包括领域自适应子网、特征自适应子网和位置自适应子网三个不同自适应子网络，S4、将测试视频中仅已知目标位置的第一帧输入到领域自适应子网，对构建的多阶段自适应网络进行初始化训练；S5、将测试视频中第二帧开始的后续帧依次输入到特征自适应子网中，利用多阶段自适应网络对测试视频进行跟踪。该方法及系统有利于获得更加稳定、鲁棒、准确的跟踪结果。

公开(公告)号：CN115330837A

公开(公告)日：2022-11-11

申请号：CN202210994557.6

申请日：2022-08-18

Applicant: 厦门理工学院

Inventor： 陈思 ,  王立波 ,  王大寒 ,  朱顺痣 ,  吴芸

IPC: G06T7/246 ,  G06N3/04

Abstract: 本发明涉及一种基于图注意力Transformer网络的鲁棒目标跟踪方法及系统，该方法包括：构建用于目标跟踪任务的图注意力Transformer网络模型并对其训练，该网络模型包括特征提取网络、自适应图注意力模块和特征预测头；以不同采样比对视频序列帧进行采样，分别将第一帧和后续帧获得的采样样本作为模板和搜索区域；将模板和搜索区域输入到训练好的网络模型中，通过特征提取网络提取模板和搜索特征作为自适应图注意力模块的输入；通过自适应图注意力模块对输入的模板和搜索特征进行聚合操作，然后利用混合注意力进行特征融合，获得更加鲁棒的自适应特征；最后通过特征预测头估计搜索区域中的目标，得到跟踪结果。该方法及系统有利于获得更加稳定、鲁棒、准确的跟踪结果。