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：浙江浙蕨科技有限公司
申请日：2024-03-04
公开（公告）日：2024-06-28
公开（公告）号：CN118262331A
主分类号：G06V20/58
分类号：G06V20/58;G06V10/44;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08;G06T7/246
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明提供了一种基于非连续帧的交通标志牌多目标跟踪深度学习方法，采用双分支结构，其中一个分支将yolov8中的3x3卷积核替换为self‑attention模块，使模型能更加利用全局信息来进行标志物检测，另一个分支将yolov8中的固定卷积全部变为可形变卷积，来更好的提取局部信息，最终将两分支得到的特征图进行通道融合进行目标检测，通过对比学习来引导特征提取模块提高标志物对于高区分度特征的提取。以下分模型整体结构、目标检测、特征提取三个部分进行介绍。
主权项：1.一种基于非连续帧的交通标志牌多目标跟踪深度学习方法，其特征在于，包括以下步骤：步骤一、构建多目标跟踪模型SaDClNet；所述多目标跟踪模型SaDClNet沿数据流动方向依次包括标志物检测模块、标志物特征提取模块以及标志物配对模块；所述标志物检测模块用于检测交通标志物，标志物特征提取模块用于对交通标志物进行标志物特征提取，标志物匹配模块用于根据提取的标志物特征进行标志物配对；步骤二、构建训练数据集；步骤三、将训练数据集输入标志物检测模块进行训练得到训练好的标志物检测模块；训练好的标志物检测模块检测图像中的标志物得到交通标志物图像，将交通标志物图像进行图像增强形成正样本和负样本对标志物特征提取模块进行训练，得到训练好的标志物特征提取模块；其中，对同一个交通标志物所进行图像增强后的得到的图像均为正样本，其余交通标志物所进行图像增强得到的图像均为负样本；进行多目标的跟踪时，训练好的标志物特征提取模块输出的待识别的交通标志物的特征然后与之前已经检测到的标志物特征进行对比，如果存在相似度高于预设阈值的的标志物，则认为是同一个标志物，否则认为是新的标志物。
全文数据：
权利要求：
百度查询： 浙江浙蕨科技有限公司 一种基于非连续帧的交通标志牌多目标跟踪深度学习方法
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