龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：电子科技大学
摘要：本发明公开了一种基于贝叶斯推理Transformer架构的智能多目标关联跟踪方法BAIT，结合了经典贝叶斯滤波BF递归推理优势以及Transformer处理长序列任务的能力。首先BAIT在预测过程中采用一个状态预测编码器来充分提取目标过往运动信息；然后仿照经典BF递归推理结构，在状态预测与滤波更新之间采用一个关联解码器来实现目标与量测的最优匹配关联；接着基于目标过往运动信息和关联结果，采用状态更新解码器估计出当前帧目标运动状态。最终通过结合经典BF迭代推理结构，BAIT可实现复杂数据关联场景下的高精度目标关联跟踪任务。本方法具有高精度、连续性、精准关联等优点，可以应用在军事、民用等诸多领域。
主权项：1.基于贝叶斯推理Transformer架构的智能多目标关联跟踪方法，其特征在于，具体步骤如下：S1、根据目标运动状态及传感器观测模型，生成仿真量测数据；S2、BAIT网络模型整体架构设计：BAIT网络模型采用包括一个Transformer编码器和两个Transformer解码器的编码器-解码器架构；使用一个Transformer编码器负责算法中的状态预测，使用一个Transformer解码器负责算法中的数据关联任务，另一个Transformer解码器负责算法中的状态更新任务；S3、设计状态预测编码器；S4、设计数据关联解码器；S5、设计状态更新解码器；S6、设计损失函数，将步骤S1中得到的量测数据输入到经过S2、S3、S4、S5构建好的整体模型中，进行网络模型训练；S7、利用训练好的BAIT网络模型识别未知数据，输出带有编号的多目标状态估计结果。
全文数据：
权利要求：
百度查询： 电子科技大学 基于贝叶斯推理Transformer架构的智能多目标关联跟踪方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号