摘要
本发明涉及一种视觉目标跟踪方法,包括以下步骤:S1:初始化相邻记忆分割网络,接收视频流中的第一帧Iz、先前帧Ip和当前帧Ix共同构成网络输入,得到第一帧图像特征Ez、先前帧图像特征Ep和当前帧图像特征Ex;S2:定义并优化自监督对应学习损失函数LCLL,约束模型学习时间步的图像像素/块的时间不变特征,增强当前帧图像特征;S3:对当前帧Ix进行特征增强,得到当前帧目标特征Fx;S4:将当前帧目标特征Fx生成一个分割掩模Ym;S5:评估当前帧分割掩模Ym的质量;S6:在线跟踪阶段,利用步骤S1‑S5训练好的相邻记忆分割网络,初始化和运行在线目标跟踪模型。
技术关键词
分割掩模
分类特征
掩模特征
跟踪方法
多层卷积神经网络
编码特征
交叉注意力机制
图像像素
多头注意力机制
记忆
在线
图像编码器
视频流
视觉
跟踪系统
系统为您推荐了相关专利信息
模型训练方法
指标检测设备
检测数据输入
识别方法
识别系统
文本情感分析方法
BERT模型
LDA主题模型
生成上下文感知
情感类别
故障预测方法
全钒液流电池
记忆
电池系统
多层卷积神经网络
颈动脉斑块
检测模型训练方法
颈动脉粥样硬化斑块
心脑血管技术
斑块检测方法