買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中國科學院長春光學精密機械與物理研究所申請的專利一種基于多相注意力機制的視覺目標跟蹤方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN117058456B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-03-21發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202311062307.X，技術領域涉及：G06V10/764；該發(fā)明授權一種基于多相注意力機制的視覺目標跟蹤方法是由劉晶紅;劉發(fā)學;陳琪琪;王宣;劉成龍設計研發(fā)完成，并于2023-08-22向國家知識產(chǎn)權局提交的專利申請。

本一種基于多相注意力機制的視覺目標跟蹤方法在說明書摘要公布了：本發(fā)明涉及計算機視覺跟蹤技術領域，尤其涉及了一種基于多相注意力機制的視覺目標跟蹤方法，包括如下步驟：S1：將孿生神經(jīng)網(wǎng)絡中目標模板和搜索區(qū)域兩個分支的輸入圖像進行歸一化處理；S2：將圖像信息輸入至特征提取網(wǎng)絡中，輸出提取信息的最后三層特征塊；S3：將三層特征塊分層輸入至雙階段注意力感知網(wǎng)絡中；S4：將三個特征塊通過調整層多個卷積操作統(tǒng)一調整維度；S5：將三個特征塊分層地輸入至多層上下文信息解碼器模塊中；S6：將輸出的三個特征塊分別通過尺度降低操作合并降低尺度；S7：獲得響應圖；S8：獲得全局視角優(yōu)化的響應圖；S9：將優(yōu)化后的響應圖輸入分類回歸預測頭，得到追蹤結果。本發(fā)明可增強不同層次特征目標跟蹤的精度。

本發(fā)明授權一種基于多相注意力機制的視覺目標跟蹤方法在權利要求書中公布了：1.一種基于多相注意力機制的視覺目標跟蹤方法，其特征在于，包括如下步驟：S1：將孿生神經(jīng)網(wǎng)絡中目標模板和搜索區(qū)域兩個分支的輸入圖像進行歸一化處理；S2：將歸一化處理后的圖像信息輸入至特征提取網(wǎng)絡中，輸出提取信息的最后三層特征塊；S3：將S2中獲取的三層特征塊分層輸入至雙階段注意力感知網(wǎng)絡中；首先輸入的為三層獨立的級聯(lián)分解編碼器模塊結構；S3中輸入的三層特征塊分別作為雙階段注意力感知的第一個功能區(qū)，即三級獨立的級聯(lián)分解編碼器模塊的輸入，輸出的是優(yōu)化后的同維度特征的三層特征塊；對于級聯(lián)分解編碼器，以backbone提取的第三個特征塊在目標模板分支Z的計算過程為例，具體為一個輸入為512通道，經(jīng)過四個卷積操作和一個池化層分解為四路128通道和1路512輸入的支線的計算過程為例：對于前四支線，相當于對輸入的特征劃分為4個子集，每個子集通道具有相同的大小，分別表示為，其中i在集合{1,2,3,4}中取值，H，W和C表示輸入運算張量數(shù)據(jù)的形狀，H表示通道數(shù)量，W表示每張?zhí)卣鲌D的高度，C表示每張?zhí)卣鲌D的寬度；將輸入特征的第一個子集合傳遞到3×3深度卷積，輸出被添加到下一個子集并作為下一條支線的輸入；將每條支線的輸出分別表示為Fi，再進行通道級聯(lián)，并與第五條支線的輸出加和后作為模塊最終的輸出；在第五支線運算中，輸入經(jīng)過平均池化層后消除部分噪聲的干擾，最終經(jīng)過Gamma函數(shù)在訓練過程中不斷調整并找到網(wǎng)絡最優(yōu)的融合方式；backbone提取的三個特征塊在目標模板分支Z和搜索區(qū)域分支X的6處級聯(lián)分解編碼器部分的計算公式為： ；得到多尺度特征圖： ；其中，xi表示輸入級聯(lián)分解編碼器模塊的經(jīng)過1＊1卷積被分解為4路128通道的特征塊，F(xiàn)i表示隨后經(jīng)過3＊3卷積偏置為1過程后的特征塊，F(xiàn)i'代表將前4路輸出特征塊通道級聯(lián)恢復輸入通道數(shù)后的特征塊，F(xiàn)5代表第五路輸出的特征塊，由輸入特征塊xZ經(jīng)過AvgPool平均池化和Gamma函數(shù)后的兩支線的輸出結果相加所得；S4：將S3中輸出的三個特征塊通過調整層多個卷積操作統(tǒng)一調整維度；S5：將S4中的三個特征塊分層地輸入至雙階段注意力感知網(wǎng)絡的第二個功能部分中，第二個功能部分為多層上下文信息解碼器模塊，目標模板和搜索區(qū)域兩個分支均包括多層上下文信息解碼器模塊，多層上下文信息解碼器模塊包含四個全局特征建模網(wǎng)絡模塊；S6：將S5中輸出的目標模板的三個特征塊、搜索區(qū)域的三個特征塊分別通過尺度降低操作合并降低尺度；S7：將S6中得到的目標模板和搜索區(qū)域的兩個分支的特征塊進行深度可分離互相關操作，得到響應圖；S8：將響應圖輸入至響應圖上下文信息編碼器模塊，得到全局視角優(yōu)化的響應圖；S9：將優(yōu)化后的響應圖輸入分類回歸預測頭，得到追蹤結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人中國科學院長春光學精密機械與物理研究所，其通訊地址為：130033 吉林省長春市經(jīng)濟技術開發(fā)區(qū)東南湖大路3888號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。