-
公开(公告)号：CN117710688B
公开(公告)日：2024-06-25
申请号：CN202311697673.2
申请日：2023-12-12
Applicant: 南昌工程学院
IPC: G06V10/44 , G06V10/80 , G06V10/82 , G06V10/42 , G06N3/0464
Abstract: 本发明公开一种基于卷积和注意力相结合特征提取的目标跟踪方法及系统，涉及计算机视觉与图像处理领域，包括：对给定的第一帧图像以及每一后续帧图像的搜索区域分别进行初始化，得到目标模板图像和搜索图像；构建特征提取网络；特征提取子网络包括卷积模块、依次连接的多个分层特征模块和完全连接层；每一分层特征模块包括采用自注意力操作提取全局信息的全局分支和采用注意力和卷积相结合的操作提取局部信息的局部分支；将目标模板图像和每一搜索图像分别应用特征提取网络进行特征提取，对提取的特征进行卷积操作，获得每一后续帧图像中搜索区域的目标响应位置。本发明通过卷积和注意力相结合的轻量级特征提取网络提升目标跟踪效率和准确性。
-
公开(公告)号：CN116883459B
公开(公告)日：2023-11-07
申请号：CN202311148612.0
申请日：2023-09-07
Applicant: 南昌工程学院
IPC: G06T7/246 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/096
Abstract: 本发明提出一种基于双重知识蒸馏的教师与学生网络目标跟踪方法与系统，方法通过对给定的第一帧监控图像以及后续帧监控图像中的搜索区域分别进行初始化，生成目标模板图像与搜索图像；将目标模板图像与搜索图像分别输入两个不同的教师‑学生网络中进行训练，得到两个不同的轻量级学生网络，以轻量级学生网络作为特征提取网络分别对目标模板图像与搜索图像进行特征提取，以进行后续目标分类和目标跟踪。本发明通过响应蒸馏和中间层特征蒸馏相结合训练的学生网络，并且不同的学生网络理解能力不同，将两个学生网络之间进行特征共享，提高学生网络的性能，从而有效地减少网络的计算复杂性，提高跟踪的实时性和跟踪器的泛化能力。
-
公开(公告)号：CN116883459A
公开(公告)日：2023-10-13
申请号：CN202311148612.0
申请日：2023-09-07
Applicant: 南昌工程学院
IPC: G06T7/246 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/096
Abstract: 本发明提出一种基于双重知识蒸馏的教师与学生网络目标跟踪方法与系统，方法通过对给定的第一帧监控图像以及后续帧监控图像中的搜索区域分别进行初始化，生成目标模板图像与搜索图像；将目标模板图像与搜索图像分别输入两个不同的教师‑学生网络中进行训练，得到两个不同的轻量级学生网络，以轻量级学生网络作为特征提取网络分别对目标模板图像与搜索图像进行特征提取，以进行后续目标分类和目标跟踪。本发明通过响应蒸馏和中间层特征蒸馏相结合训练的学生网络，并且不同的学生网络理解能力不同，将两个学生网络之间进行特征共享，提高学生网络的性能，从而有效地减少网络的计算复杂性，提高跟踪的实时性和跟踪器的泛化能力。
-
公开(公告)号：CN117710688A
公开(公告)日：2024-03-15
申请号：CN202311697673.2
申请日：2023-12-12
Applicant: 南昌工程学院
IPC: G06V10/44 , G06V10/80 , G06V10/82 , G06V10/42 , G06N3/0464
Abstract: 本发明公开一种基于卷积和注意力相结合特征提取的目标跟踪方法及系统，涉及计算机视觉与图像处理领域，包括：对给定的第一帧图像以及每一后续帧图像的搜索区域分别进行初始化，得到目标模板图像和搜索图像；构建特征提取网络；特征提取子网络包括卷积模块、依次连接的多个分层特征模块和完全连接层；每一分层特征模块包括采用自注意力操作提取全局信息的全局分支和采用注意力和卷积相结合的操作提取局部信息的局部分支；将目标模板图像和每一搜索图像分别应用特征提取网络进行特征提取，对提取的特征进行卷积操作，获得每一后续帧图像中搜索区域的目标响应位置。本发明通过卷积和注意力相结合的轻量级特征提取网络提升目标跟踪效率和准确性。
-
-
-
Search Results
4
records
(took 0.016 seconds)
