一种基于光学相机和事件相机的双模态目标跟踪方法、系统、设备及介质

AITNT
正文
推荐专利
一种基于光学相机和事件相机的双模态目标跟踪方法、系统、设备及介质
申请号:CN202411971903
申请日期:2024-12-30
公开号:CN119888269A
公开日期:2025-04-25
类型:发明专利
摘要
一种基于光学相机和事件相机的双模态目标跟踪方法、系统、设备及介质,方法包括:收集光学数据和事件数据,构建多模态数据集RE,将多模态数据集RE按照一定比例划分为训练集REtrain和测试集REtest;构建基于光学相机和事件相机的双模态目标跟踪网络;使用多模态数据集RE中的训练集REtrain训练基于光学相机和事件相机的双模态目标跟踪网络,得到最优训练权重文件FEtrack.pt;使用多模态数据集RE中的测试集REtest和最优训练权重文件FEtrack.pt对基于光学相机和事件相机的双模态目标跟踪网络进行目标跟踪测试,得到目标跟踪结果;系统、设备及介质用于实现该方法;本发明用于解决现有目标跟踪算法在低光照、高动态范围以及目标快速移动情况下目标跟踪精度低的问题。
技术关键词
事件相机 卷积模块 跟踪方法 注意力机制 全局平均池化 特征提取网络 卷积神经网络模块 特征融合网络 融合特征 多模态 数据 跨模态 归一化模块 事件特征 多尺度特征提取 输出特征
系统为您推荐了相关专利信息
1
基于混合大模型和眼动追踪仪构建的第一人称阅片经验培训方法
追踪仪 视觉注意力模型 医学影像诊断报告 眼动数据 培训系统
2
一种基于深度学习的铁路转向架结构优化方法及系统
铁路转向架 摇枕结构 结构优化方法 训练深度学习模型 图谱
3
基于改进知识图谱与多视角图神经网络的项目进度跟踪与风险预测系统及方法
项目进度跟踪 风险预测系统 知识图谱构建 风险预测方法 资源
4
一种空间转换投影与深度迁移融合的能谱特征提取方法
特征提取方法 深度卷积神经网络模型 矩阵 描述符 条目
5
基于深度学习的隧道衬砌病害检测系统及方法
隧道衬砌病害检测 训练深度学习模型 注意力机制 表达式 数据
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号