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！

龙图腾网获悉长春理工大学申请的专利一种基于注意力的单目标跟踪方法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：CN115564801B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202211263801.8，技术领域涉及：G06T7/246；该发明授权一种基于注意力的单目标跟踪方法是由黄丹丹;杨明婷;陈广秋;段锦;刘智;于斯宇;胡力洲;秦霖设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本一种基于注意力的单目标跟踪方法在说明书摘要公布了：本发明涉及一种基于注意力的单目标跟踪方法，属于深度学习中的计算机视觉领域。包括数据预处理，模型的训练，将构造好的网络模型进行训练，在整个训练过程中通过降低网络的损失函数来优化网络的参数，从而获得基于注意力的单目标网络架构的网络权重；在新的视频序列中，使用通过训练而获得的网络权重，来测试跟踪目标的效果。优点是将主干网络输出的低层特征与高层特征结合，让最后的特征图在具有高级语义信息的同时补充一些细节信息；利用分类增强模块辅助分类分支，使其得到更加精准的目标定位信息，增加的设计可以让跟踪器在相似物干扰时，还能进行精准的跟踪，在众多复杂的场景中都可以精准稳定的跟踪目标。

本发明授权一种基于注意力的单目标跟踪方法在权利要求书中公布了：1.一种基于注意力的单目标跟踪方法，其特征在于，包括下列步骤： 步骤一：数据预处理，为后续的网络模型训练提供数据准备； 步骤二：模型的训练，将构造好的网络模型进行训练，在整个训练过程中通过降低网络的损失函数来优化网络的参数，从而获得基于注意力的单目标网络架构的网络权重； 其中模型的训练包括下列步骤： S21、将准备好的样本图片送入到网络模型中进行训练，此网络模型包括三个部分：一个是用于特征提取的孪生子网络，一个是嵌入模板图片与搜索区域图片信息的特征融合结构，一个是用于分类以及回归目标位置的分类回归子网络； S22、第一部分是用于特征提取的孪生子网络，分别对模板图片Z以及搜索区域图片X进行特征的提取；主干网络是由两个分支共享相同的CNN结构，其中一分支目标模板Z作为输入，另一分支搜索区域X作为输入；通过主干网络得到两个特征映射，分别为模板图像特征图以及搜索区域特征图； S23、第二部分是特征融合结构，用于嵌入目标模板以及搜索区域的特征；将主干网络输出的两分支特征图以及进行深度互相关来嵌入二者信息，将通过深度互相关得到的响应图通过一个注意力机制，来提取需要关注的目标信息，以此来将更多的注意力关注于目标信息区域，最后将3、4、5层特征图，i=3,4,5，进行拼接的响应图用于后续的分类回归子网络，深度互相关以及拼接式子分别定义如下： ； 上式表示深度互相关操作，其中与分别表示模板特征图以及搜索区域特征图； ； 其中，，，分别表示主干网络3,4,5层输出特征图，通过深度互相关以及注意力机制的输出部分； S24、第三部分是分类回归子网络，主要用于特征图位置分类以及目标位置的回归；首先响应图中的每个位置映射回搜索区域为，响应图通过卷积会得到分类分支以及回归分支；分类分支会得到分类特征图和中心特征图，分类特征图是用于预测每个位置的类别，分类特征图上每个点都包含一个2D向量，分别表示相应的前景和背景得分，在分类部分还增加了一个增强模块，辅助分类得更加准确；同时与该分类特征图并行的还有中心特征图，中心特征图中给出每个像素点的中心的得分，得分高的就是中心位置，中心得分用于删除异常值，远离中心的位置往往会产生低质量的预测边界框； 其中增强模块具体是：特征图以及特征图先分别经过卷积操作调整通道，再进行深度互相关操作嵌入信息，最后再通过卷积操作得到分类置信度辅助分类部分，使分类结果更加准确； S25、分类回归网络的回归分支输出回归特征图，回归特征图每个点都包含一个4D向量，其表示从相应位置到输入搜索区域中边界框四边的距离，设和表示真值边界框的左上角和右下角，表示点对应位置，回归特征图上某个点的回归目标通过以下公式计算得到： ； 其中和表示真值边界框的左上角和右下角，表示回归特征图上相应点的回归目标，分别表示回归特征图上点到边界框四边的距离； S26、采用端到端的方式，对整个网络进行训练；其中分类部分的损失函数值为，边界框回归函数值为，中心度损失为，按照相应的权重值加权在一起，作为整个系统加权后的损失函数； ； 上式中，采用的交叉熵损失进行分类，IOU损失进行回归，以及还有中心度损失； S27、根据损失函数的计算梯度，再使用优化器SGD来更新网络的参数，让整个网络损失函数降低直到收敛，那么整个训练结束，得到训练好了的一种基于注意力的单目标跟踪的网络权重； 步骤三：模型的测试，在新的视频序列中，使用通过训练而获得的网络权重，来测试跟踪目标的效果。

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长春理工大学，其通讯地址为：130000 吉林省长春市卫星路7989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。