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！

龙图腾网获悉哈尔滨工程大学申请的专利一种基于增量学习的孪生网络目标跟踪的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：CN115424177B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202211073134.7，技术领域涉及：G06V20/40；该发明授权一种基于增量学习的孪生网络目标跟踪的方法是由汲清波;陈奎丞;候长波;李子琦;吴江江;孔德强;戚宇飞设计研发完成，并于2022-09-02向国家知识产权局提交的专利申请。

本一种基于增量学习的孪生网络目标跟踪的方法在说明书摘要公布了：本发明公开了一种基于增量学习的孪生网络目标跟踪的方法，将增量学习应用到目标跟踪网络模型的更新过程中；首先，将跟踪网络SiamRPN++的RPN复制为学生模型，利用跟踪过程中产生的高可信度目标作为在线训练的小样本集；然后，利用增量学习的方式学习上一帧网络产生的小样本集，对模型通过域扩展以及知识蒸馏的方式训练学生模型；最后，利用学生网络模型产生的目标信息和教师网络模型产生的目标信息进行动态加权融合以更新位置；本发明利用增量学习的方式使离线训练的模型具有自适应的学习能力，不仅有效利用了跟踪过程中目标的历史信息，还避免了对模型进行大规模的离线训练，提升了孪生网络算法在跟踪过程中处理目标形变情况的能力。

本发明授权一种基于增量学习的孪生网络目标跟踪的方法在权利要求书中公布了：1.一种基于增量学习的孪生网络目标跟踪方法，其特征在于，所述方法包括： 在孪生网络框架基础上，将第一帧目标信息作为模板，并且将当前帧送入跟踪网络生成新的目标位置；根据跟踪过程产生的高置信度目标样本生成正负样本库，并以线性更新的方式对目标模板进行融合； 将高置信度的目标产生的正负样本库作为新样本，对孪生网络框架的RPN部分复制为学生网络进行增量训练，增量训练包括学生网络的域扩展以及知识蒸馏，知识蒸馏的目的为通过蒸馏损失来防止模型遗忘旧知识； 当下一帧图像输入后，利用上帧训练的学生网络与教师网络即原网络再次进行跟踪，根据分类响应值判断教师与学生网络各自产生的目标的可信度，将学生网络和教师网络的分类特征图进行线性加权融合后，再次产生高置信度目标样本；进一步更新样本库，对学生网络增量训练，实现持续跟踪； 在初始帧将SiamRPN++的RPN网络复制作为学生网络，原RPN网络冻结作为指导学生网络学习的教师网络，在此过程中冻结学生网络的分类分支某几层，以维持其决策边界，另外，使用特征变化损失来减小目标模板与新的目标跟踪结果之间特征映射的差异: 式中，x为主干网络提取的图像的特征图；分别为RPN部分的教师模型、学生模型的权重；表示RPN中分类器前的特征；F·为均方误差MSE；α为超参，用来平衡损耗。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室；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。