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?zhí)?/td> CN202011610435.X 申請日 -
公開（公告）號 CN114693728A 公開（公告）日 2022-07-01
申請公布號 CN114693728A 申請公布日 2022-07-01
分類號 G06T7/246（2017.01）I;G06T7/223（2017.01）I;G06N3/04（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 李荅群;王成龍;陳小林;吳志佳;王博 申請（專利權(quán)）人 中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所
代理機(jī)構(gòu) 深圳市科進(jìn)知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 -
地址 130033吉林省長春市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)東南湖大路3888號
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)計算，在計算中對前景信息運(yùn)用填充損失計算方式來改進(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。