公开(公告)号：CN110570458B

公开(公告)日：2022-02-01

申请号：CN201910738616.1

申请日：2019-08-12

Applicant: 武汉大学

Inventor： 梁超 ,  张精制 ,  阮威健 ,  孙志宏 ,  虞吟雪 ,  林子琪

IPC: G06T7/246 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉技术领域，公开了一种基于内部裁剪和多层特征信息融合的目标跟踪方法，包括：获取视频序列数据集，根据视频序列数据集构成训练集；构建孪生网络，孪生网络的基础骨干采用经内部裁剪单元改进后的ResNet18特征提取网络和RPN网络的组合；基于训练集，训练孪生网络，获得训练收敛的孪生网络模型；利用孪生网络模型进行在线跟踪。本发明解决了现有技术中深度学习跟踪方法的特征表达能力和模型泛化能力弱，跟踪器无法有效地应对目标表观的剧烈时空变化的问题。

公开(公告)号：CN110570458A

公开(公告)日：2019-12-13

申请号：CN201910738616.1

申请日：2019-08-12

Applicant: 武汉大学

Inventor： 梁超 ,  张精制 ,  阮威健 ,  孙志宏 ,  虞吟雪 ,  林子琪

IPC: G06T7/246 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉技术领域，公开了一种基于内部裁剪和多层特征信息融合的目标跟踪方法，包括：获取视频序列数据集，根据视频序列数据集构成训练集；构建孪生网络，孪生网络的基础骨干采用经内部裁剪单元改进后的ResNet18特征提取网络和RPN网络的组合；基于训练集，训练孪生网络，获得训练收敛的孪生网络模型；利用孪生网络模型进行在线跟踪。本发明解决了现有技术中深度学习跟踪方法的特征表达能力和模型泛化能力弱，跟踪器无法有效地应对目标表观的剧烈时空变化的问题。