一种基于掩码对比学习预训练的视觉目标跟踪方法

本发明公开了一种基于掩码对比学习预训练的视觉目标跟踪方法，属于计算机视觉与目标跟踪领域，为了解决提高跟踪任务预训练适应性的问题，技术要点是获得模板目标和当前的查询视频帧的输入图像并划分为固定尺寸的图块，图块展平为图块向量并输入tokens传递给ViT模型；ViT模型根据当前图块向量与所有其他图块向量的上下文信息，捕获查询目标和模板目标的全局关系，通过嵌入层将每个图块向量投影到更高维度的特征空间；ViT模型的前馈神经网络对每个图块向量的特征进行局部转换和表示并对全局特征与局部特征融合并输入目标检测器中；目标检测器对融合特征进行回归及预测，效果是能够利用跟踪任务本身的视频数据，进行高效的预训练。