-
公开(公告)号：CN115018884B
公开(公告)日：2024-03-15
申请号：CN202210871982.6
申请日：2022-07-19
Applicant: 安徽大学
Abstract: 本发明公开一种基于多策略融合树的可见光红外视觉跟踪方法，所述方法包括：获取可见光图像样本和热红外图像样本；将可见光图像样本和热红外图像样本输入至预先训练好的目标跟踪网络模型，目标跟踪网络模型包括可见光模态适配器、热红外模态适配器、融合树网络和实例适配器，各模态对应的适配器包括多个网络层级；融合树网络当前层级的输出特征与各模态对应的适配器当前层级的输出特征进行矩阵相加融合后传入各模态对应的适配器的下一层级网络中；将各模态对应的适配器最后一层级输出的模态特征图拼接后输入实例适配器，预测目标跟踪结果。本发明引入特殊的多策略融合树结构来实现多种不同融合策略的结合，以在复杂场景中获得稳健融合结果。
-
公开(公告)号：CN114299114A
公开(公告)日：2022-04-08
申请号：CN202111625448.9
申请日：2021-12-28
Applicant: 安徽大学
Abstract: 本发明公开了基于元学习参数转移的可见光红外视觉跟踪方法，所述方法包括：构建多模态视觉跟踪控制模型；将样本输入多模态视觉跟踪控制模型对其进行训练，样本包括多个热红外图像和其对应的可见光图像形成的多个图像对以及多个单独的可见光图像，训练过程中先向模型输入图像对进行第一预设次数的迭代训练，然后交替输入单独的可见光图像与图像对对模型继续训练第二预设次数，并且在交替训练过程中利用图像对进行模型训练的时候图像需要经过元学习器；训练完成以后模型跟踪，输出预测目标位置；本发明的优点在于：弥补训练集的不足，提升模型性能，解决现有技术因数据量有限而限制模型性能提升的问题。
-
公开(公告)号：CN115018884A
公开(公告)日：2022-09-06
申请号：CN202210871982.6
申请日：2022-07-19
Applicant: 安徽大学
Abstract: 本发明公开一种基于多策略融合树的可见光红外视觉跟踪方法，所述方法包括：获取可见光图像样本和热红外图像样本；将可见光图像样本和热红外图像样本输入至预先训练好的目标跟踪网络模型，目标跟踪网络模型包括可见光模态适配器、热红外模态适配器、融合树网络和实例适配器，各模态对应的适配器包括多个网络层级；融合树网络当前层级的输出特征与各模态对应的适配器当前层级的输出特征进行矩阵相加融合后传入各模态对应的适配器的下一层级网络中；将各模态对应的适配器最后一层级输出的模态特征图拼接后输入实例适配器，预测目标跟踪结果。本发明引入特殊的多策略融合树结构来实现多种不同融合策略的结合，以在复杂场景中获得稳健融合结果。
-
-
Search Results
3
records
(took 0.035 seconds)
