【技术实现步骤摘要】
本专利技术涉及目标跟踪，尤其是涉及一种基于注意力门控网络的目标跟踪方法及系统。
技术介绍
1、随着视觉传感器、图形处理器、计算机等硬件设备的高速发展以及深度学习技术的飞跃进步，视觉目标跟踪领域取得了突破性进展，目标跟踪技术也日趋成熟。不同于目标检测任务中需要对目标类别信息进行限定的要求，目标跟踪任务旨在仅仅给定任意感兴趣目标的初始矩形框的条件下，连续跟踪目标在后续视频帧中的位置和尺度信息。随着目标跟踪技术的发展与普及，视觉目标跟踪已经被广泛应用于军事、工业和民用等领域，主要包括军事侦察、无人机跟踪、导弹制导、视频监控、视觉导航、医疗诊断、自动驾驶、智能交通、人机交互、体育竞技等领域。因此视觉目标跟踪技术具有重要的实际意义和研究意义。
2、近几十年目标跟踪技术已经取得了长足的发展，其中基于判别式分割的跟踪算法将目标分割网络应用于目标跟踪领域，打破了基于矩形框的跟踪算法的限制，实现了对目标的像素级分割跟踪，并在多个跟踪数据集上获得了优越的跟踪性能。但是这一类算法仍然面临着实际复杂场景中的相似干扰物、显著外观和背景变化、部分或严重...
【技术保护点】
1.一种基于注意力门控网络的目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于注意力门控网络的目标跟踪方法，其特征在于，所述注意力门控网络包括多个卷积模块和多个级联的多头注意力模块，所述多个卷积模块用于对模板特征和搜索区域特征进行降维和变换处理，并映射到相同的特征空间；所述多个级联的多头注意力模块用于对多个卷积模块处理后的结果逐级地融合语义信息，最后通过Sigmoid运算生成稀疏的门控权重。
3.根据权利要求2所述的一种基于注意力门控网络的目标跟踪方法，其特征在于，所述多头注意力模块基于特征维度将输入特征划分为多组子空间...
【技术特征摘要】
1.一种基于注意力门控网络的目标跟踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于注意力门控网络的目标跟踪方法，其特征在于，所述注意力门控网络包括多个卷积模块和多个级联的多头注意力模块，所述多个卷积模块用于对模板特征和搜索区域特征进行降维和变换处理，并映射到相同的特征空间；所述多个级联的多头注意力模块用于对多个卷积模块处理后的结果逐级地融合语义信息，最后通过sigmoid运算生成稀疏的门控权重。
3.根据权利要求2所述的一种基于注意力门控网络的目标跟踪方法，其特征在于，所述多头注意力模块基于特征维度将输入特征划分为多组子空间，并独立地计算每组子空间的注意力，最后进行融合；
4.根据权利要求1所述的一种基于注意力门控网络的目标跟踪方法，其特征在于，所述互相关网络首先通过多个卷积模块对模板特征和搜索区域特征进行降维和变换处理，然后通过逐像素的互相关运算计算模板特征和搜索区域特征之间的每一个位置的相似性得分，并根据模板的掩膜划分为前景相似性图和背景相似性图；随后通过topk运算来生成最终的单通道的前景相似性得分和背景相似性得分，对前景相似性得分和背景相似性得分进行softmax计算得到目标位置相似性图；采用dcf模块定位目标的中心位置，从...
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。