【技术实现步骤摘要】
本专利技术属于计算机视觉、深度学习，尤其涉及一种图文关联的目标跟踪网络训练方法。
技术介绍
1、目标跟踪是计算机视觉领域中最重要的研究方向之一，在智能交通领域、自动驾驶领域、监控安防、智能化军事安全等众多领域有着广泛的应用。现有的目标跟踪方法通常以图像块作为参考单位来进行定位跟踪，例如，cvpr 2022公开的论文“mixformer”以及公开号为cn117974722b的中国专利公布的一种“基于注意力机制和改进的transformer的单目标跟踪系统及方法”，都以图像块为参考单位，将transformer作为骨干网络提取所追踪目标的特征，从而执行视觉追踪任务。然而，由于图像的抽象能力有限，单个图像块无法像人类理解自然语言一样，简单直观的表达目标精确的概念，导致现有的目标跟踪方法难以从图像中提取相关程度更大的特征；不仅如此，现有的目标跟踪方法过于强调视频帧的时序信息，忽略了目标外观发生较大变化的可能性，难以跟踪由于运动外观发生剧烈运动的目标。
2、为了克服这些局限性，我们受到文本生成图像领域的启发，引入jong wook k...
【技术保护点】
1.一种图文关联的目标跟踪网络训练方法，其特征在于，包括以下步骤：
2.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述图文转换模块包括：
3.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述特征自适应模块能根据初始文本特征和现有文本特征，生成标签权重可以实时更新的动态文本特征：
4.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述改进的transformer特征提取网络包括：
5.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述图文关联模块融合了图像特征和...
【技术特征摘要】
1.一种图文关联的目标跟踪网络训练方法，其特征在于，包括以下步骤：
2.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述图文转换模块包括：
3.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述特征自适应模块能根据初始文本特征和现有文本特征，生成标签权重可以实时更新的动态文本特征：
4.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述改进的transformer特征提取网络包括：
5.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述图文关联模块融合了图像特征和文本特征，得到目标状态预测的最终相关特征：
6.如权利要求1所述图文关联的目标跟踪网络训练方法，其特征在于，所述预测模块通过最终相关特征对目标状态进行估...
【专利技术属性】
技术研发人员：罗瑞奇，刘锐，胡新荣，王帮超，
申请(专利权)人：武汉纺织大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。