前景信息引導(dǎo)型孿生卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)跟蹤方法及裝置
基本信息
| 申請(qǐng)?zhí)?/td> | CN202011610435.X | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN114693728A | 公開（公告）日 | 2022-07-01 |
| 申請(qǐng)公布號(hào) | CN114693728A | 申請(qǐng)公布日 | 2022-07-01 |
| 分類號(hào) | G06T7/246（2017.01）I;G06T7/223（2017.01）I;G06N3/04（2006.01）I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 李荅群;王成龍;陳小林;吳志佳;王博 | 申請(qǐng)（專利權(quán)）人 | 中國科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所 |
| 代理機(jī)構(gòu) | 深圳市科進(jìn)知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） | 代理人 | - |
| 地址 | 130033吉林省長(zhǎng)春市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)東南湖大路3888號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明涉及規(guī)劃領(lǐng)域，具體涉及一種前景信息引導(dǎo)型孿生卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)跟蹤方法及裝置。該方法及裝置采用改進(jìn)后的殘差網(wǎng)絡(luò)對(duì)淺層網(wǎng)絡(luò)進(jìn)行代替，得到語義信息量更高的深度特征；采用采樣策略來提高正樣本對(duì)中的挑戰(zhàn)因素；將模板圖像、搜索區(qū)域圖像和填充圖像分別輸入到模板分支、搜索區(qū)域分支和引導(dǎo)分支中提取特征，并在各分支輸出的特征張量間進(jìn)行深度互相關(guān)計(jì)算，在計(jì)算中對(duì)前景信息運(yùn)用填充損失計(jì)算方式來改進(jìn)損失函數(shù)；在改進(jìn)后損失函數(shù)的基礎(chǔ)上引用填充損失，并引導(dǎo)網(wǎng)絡(luò)模型完成訓(xùn)練。該方法及裝置至少解決了現(xiàn)有目標(biāo)跟蹤方法抗干擾因素弱的技術(shù)問題。 |
