公开(公告)号：CN116486203B

公开(公告)日：2024-02-02

申请号：CN202310443332.6

申请日：2023-04-24

Applicant: 燕山大学

Inventor： 闻佳 ,  任柯君 ,  项洋 ,  唐丹丹

IPC: G06V10/774 ,  G06V10/10 ,  G06V10/20 ,  G06V10/26 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明公开了一种基于孪生网络和在线模板更新的单目标跟踪方法，步骤如下：步骤一、数据预处理：将训练用到的数据集中所有文件夹中视频序列的每一张图片裁剪成固定大小，对裁剪后的数据集生成对应的json文件；所述文件夹中的图片包含模板图片Z以及搜索图片X；步骤二、构建网络模型并进行模型训练：首先冻结模板更新模块的参数，仅训练构造好的网络模型以及特征增强模块；接着解冻模板更新模块，单独训练该模块；在整个训练过程中通过降低网络的损失函数进而优化模型，从而得到表现最好的网络模型权重；步骤三、模型测试，在新的数据集中，通过加载步骤二中表现最好的网络模型权重来测(56)对比文件CN 113628246 A,2021.11.09CN 115424177 A,2022.12.02Qiang Wang，et al《.LearningAttentions: Residual Attentional SiameseNetwork for High Performance OnlineVisual Tracking》《.CVPR》.2018,全文.Lichao Zhang,et al《.Learning theModel Update for Siamese Trackers》.《ICCV》.2019,全文.

公开(公告)号：CN116486203A

公开(公告)日：2023-07-25

申请号：CN202310443332.6

申请日：2023-04-24

Applicant: 燕山大学

Inventor： 闻佳 ,  任柯君 ,  项洋 ,  唐丹丹

IPC: G06V10/774 ,  G06V10/10 ,  G06V10/20 ,  G06V10/26 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明公开了一种基于孪生网络和在线模板更新的单目标跟踪方法，步骤如下：步骤一、数据预处理：将训练用到的数据集中所有文件夹中视频序列的每一张图片裁剪成固定大小，对裁剪后的数据集生成对应的json文件；所述文件夹中的图片包含模板图片Z以及搜索图片X；步骤二、构建网络模型并进行模型训练：首先冻结模板更新模块的参数，仅训练构造好的网络模型以及特征增强模块；接着解冻模板更新模块，单独训练该模块；在整个训练过程中通过降低网络的损失函数进而优化模型，从而得到表现最好的网络模型权重；步骤三、模型测试，在新的数据集中，通过加载步骤二中表现最好的网络模型权重来测试跟踪目标对象的效果，本发明能够实现精确稳定的跟踪。