公开(公告)号：CN112258558B

公开(公告)日：2022-11-04

申请号：CN202011149198.1

申请日：2020-10-23

Applicant: 复旦大学

Inventor： 余锦华 ,  李乐吟 ,  胡朝煜 ,  邓寅晖 ,  黄芸谦 ,  陈曼

IPC: G06T7/246 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08 ,  G06V10/82 ,  G06V10/80 ,  G06V10/40

Abstract: 本发明提供一种基于多尺度孪生网络的超声颈动脉斑块视频追踪方法。通过孪生子网络的模板分支和检测分支分别对模板图像和待检测图像进行特征提取；通过多区域建议子网络对孪生子网络中不同层提取到的网络特征进行分类和边界回归并对输出进行聚合，实现对所述目标的定位；对模板分支和检测分支的不同层提取到的网络特征分别进行聚合并分别输入到两个多尺度融合子网络中；将模板分支和检测分支融合后的融合特征进行深度互相关计算得到第一响应图，并预测每个空间元素对应的分割掩模；从中确定输出分割掩模，边界框估计算法模块基于输出分割掩模生成目标的旋转边界框。本发明能够实现实时、精确的目标追踪和分割。

公开(公告)号：CN112258558A

公开(公告)日：2021-01-22

申请号：CN202011149198.1

申请日：2020-10-23

Applicant: 复旦大学

Inventor： 余锦华 ,  李乐吟 ,  胡朝煜 ,  邓寅晖 ,  黄芸谦 ,  陈曼

IPC: G06T7/246 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提供一种基于多尺度孪生网络的目标追踪方法、电子设备及介质。通过孪生子网络的模板分支和检测分支分别对模板图像和待检测图像进行特征提取；通过多区域建议子网络对孪生子网络中不同层提取到的网络特征进行分类和边界回归并对输出进行聚合，实现对所述目标的定位；对模板分支和检测分支的不同层提取到的网络特征分别进行聚合并分别输入到两个多尺度融合子网络中；将模板分支和检测分支融合后的融合特征进行深度互相关计算得到第一响应图，并预测每个空间元素对应的分割掩模；从中确定输出分割掩模，边界框估计算法模块基于输出分割掩模生成目标的旋转边界框。本发明能够实现实时、精确的目标追踪和分割。