摘要
本发明提供一种基于轻量化Transformer的神经形态视觉目标跟踪方法,具体步骤包括:将神经形态视觉数据转换为帧图像;将转换后的帧图像分割为多个子图像块;通过熵引导的编码块消除方法,消除与跟踪目标无关的编码块;将剩余的编码块通过内容引导的编码块消除方法,消除冗杂的编码块;将剩余的编码块输入到预测头中,实现对目标的定位。本发明能够实时地对快速运动和低光照等复杂场景下的目标进行跟踪。熵引导的编码块消除技术可以根据场景的信息量评估编码块的消除率,从而滤除更多的无用信息。内容引导的编码块消除技术将与跟踪目标更相关的编码块进行保留,有效地去除与目标跟踪无关的信息,轻量化模型的同时去除背景噪声的干扰。
技术关键词
编码块
消除方法
跟踪方法
Softmax函数
形态
视觉
搜索特征
消除技术
图像分割
Sigmoid函数
图像块
多头注意力机制
多层感知器
模板特征
背景噪声
处理器
电子装置
系统为您推荐了相关专利信息
轴承故障诊断方法
故障类别
更新模型参数
Softmax函数
传播算法
纤维
截面特征
处理单元
图像处理模块
图像获取模块
神经网络模型
疾病
多尺度
外阴硬化性苔藓
交叉验证法