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！
摘要：本发明涉及一种实例感知主干网络训练方法，应用于多目标视觉跟踪，包括网络模型预训练和模型微调再训练，其中网络模型预训练具体为：将多目标跟踪数据集输入目标分类主干网络执行正向传播生成网络模型中间参数；使用中间参数执行反向传播更新中间参数；执行反向传播时通过增加实例感知分散约束并结合目标分类主干网络原有的类间方差约束引导目标分类主干网络同时增加类间间距和类内间距；迭代执行正向传播和反向传播得到最优目标分类主干网络。通过本发明提供的技术方案，能实现实例类间间距和类内间距同时增加，提高了多目标视觉跟踪的成功率和精度，同时不改变原始主干网络的网络结构、训练数据和超参数，使用极为便利。
主权项：1.一种实例感知主干网络训练方法，应用于多目标视频跟踪，其特征在于，包括网络模型预训练，具体为：将多目标跟踪数据集输入目标分类主干网络执行正向传播生成网络模型中间参数；该目标分类主干网络在网络训练过程中通过反向传播传递到主干网络的每个卷积层，以限制每个卷积层对于属于同一类别的图像输出在特征空间中尽可能接近的特征，完成区分不同类别目标的类间目标分类任务；构造一个实例感知分散约束来引导分类网络同时输出具有类内和类间鉴别力的分类向量；使用中间参数执行反向传播更新中间参数；执行反向传播时通过构造的实例感知分散约束并结合目标分类主干网络原有的类间方差约束引导目标分类主干网络同时增加类间间距和类内间距；迭代执行正向传播和反向传播得到最优目标分类主干网络；所述实例感知分散约束为类内方差约束，所述类内方差约束用于引导目标分类主干网络对于同类目标输出具有较大方差的分类向量，以增加同类目标的类内间距；所述类内方差约束与类内距离和正则化项共同构建类内损失函数；所述目标分类主干网络为AlexNet、VGG19或ResNet50；所述实例感知主干网络训练方法采用t-SNE算法降维。
全文数据：
权利要求：
百度查询： 西安工业大学 一种实例感知主干网络训练方法
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