买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利一种基于Transformer的分段式目标跟踪方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117197188B 。

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311186115.X，技术领域涉及：G06T7/246；该发明授权一种基于Transformer的分段式目标跟踪方法和系统是由张毅锋;张嘉成设计研发完成，并于2023-09-14向国家知识产权局提交的专利申请。

本一种基于Transformer的分段式目标跟踪方法和系统在说明书摘要公布了：本发明公开了一种基于Transformer的分段式目标跟踪方法及系统。在孪生网络的输出端添加了Transformer特征加工单元，该单元使算法有效梳理了视频的先后逻辑。同时，通过实施分段训练，孪生网络被分割为擅长于不同时段内跟踪的单元，这提升了算法适应长短不一的视频的能力。针对每个跟踪任务，首先用数据集训练主干网络；然后逐帧输入视频并提取图像特征，从而得出图中各点的响应值；最后由响应值划定目标在每一帧中的边界框，即宣告跟踪完成。

本发明授权一种基于Transformer的分段式目标跟踪方法和系统在权利要求书中公布了：1.一种基于Transformer的分段式目标跟踪方法，其特征在于，包括以下步骤： 步骤1、数据预处理步骤：旋转训练集数据，并改变其明暗程度，统一测试集数据的输入尺寸； 步骤2、搭建孪生网络并进行分段训练，包括如下子步骤： 步骤2.1、设计网络结构，将孪生网络分割为短时单元和长时单元，并在两个单元后分别添加Transformer特征加工单元； 步骤2.2、设置网络参数，先训练短时单元，并以高频率更新该单元的模板； 步骤2.3、在步骤2.2的基础上，同步训练长时单元和短时单元，并以低频率更新长时单元的模板； 步骤3、输入待跟踪的图像，从中获取模板和搜索图，并提取这两者的特征，由网络计算响应图并推算目标位置； 所述步骤1中数据预处理步骤具体如下： 针对训练集，以几率prob维持图像的原样，其余情况则将其水平翻转，同时使图像的明暗程度在原图该项属性的scaleLow～scaleUp倍范围内线性随机变化； 针对测试集，结合目标位置缩放并裁剪图像，使模板的长宽均为templateSize像素，搜索图的长宽均为searchSize像素； 所述步骤2.1中设计网络结构，具体包括以下步骤： 步骤2.1.1、将脱胎自AlexNet网络中前三个卷积单元定为短时单元，后两个卷积单元定为长时单元； 步骤2.1.2、构造Transformer特征加工单元，将其安排在长时单元和短时单元之后，向特征中补充视频的先后逻辑，提升预测目标所在区域的精度； 所述步骤2.2中设置网络参数包括超参数和损失函数，步骤2.2具体包括以下步骤： 步骤2.2.1、网络超参数的设置如下：先将学习率设置为lr，并选择Adam优化器，训练持续epoch轮； 步骤2.2.2、短时单元的损失函数为： 其中，N为采样总数，f和f′为网络两侧的对应函数，xia为第i个采样，xip为第i个正样本，xin为第i个负样本，α是人为规定的阈值，中括号右下角的+代表在中括号内数值和0之间取较大值，保证结果非负；训练时模板更新频率为freqS。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。