龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：大连海事大学
申请日：2024-04-02
公开（公告）日：2024-06-14
公开（公告）号：CN118196142A
主分类号：G06T7/246
分类号：G06T7/246;G06V10/44;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.02#实质审查的生效;2024.06.14#公开
摘要：本发明提供一种基于可学习互相关和排序损失的孪生网络目标跟踪算法，包括：获取目标图像和搜索图像；构建包括相连接的特征提取模块和可学习互相关模块的孪生神经网络模型，特征提取模块用于提取搜索图像的搜索特征图和目标图像的模板特征图；可学习互相关模块用于根据搜索特征图和模板特征图得到融合特征图；根据融合特征图构建排序损失函数更新孪生神经网络模型的参数；将图像组输入孪生神经网络模型，孪生神经网络结果输出目标图像在搜索图像的位置。通过可学习互相关模块增强对物体边界的分辨能力，防止被相似干扰物欺骗。通过基于排序的损失函数，增强模型的判别能力，缓解分类和定位之间的不匹配问题，确保更准确的目标预测。
主权项：1.一种基于可学习互相关和排序损失的孪生网络目标跟踪算法，其特征在于，包括：获取图像数据集，所述图像数据集包括多个图像组，所述图像组包括目标图像、与所述目标图像对应的搜索图像；构建孪生神经网络模型，所述孪生神经网络模型包括相连接的特征提取模块和可学习互相关模块，所述特征提取模块用于提取所述搜索图像的搜索特征图和所述目标图像的模板特征图；所述可学习互相关模块用于根据所述搜索特征图和所述模板特征图利用广播机制得到融合特征图；根据所述融合特征图构建排序损失函数更新所述孪生神经网络模型的参数；将所述图像组输入所述孪生神经网络模型，所述孪生神经网络结果输出所述目标图像在所述搜索图像的位置。
全文数据：
权利要求：
百度查询： 大连海事大学 基于可学习互相关和排序损失的孪生网络目标跟踪算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号