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！

龙图腾网恭喜上海蠡图信息科技有限公司申请的专利一种基于多层次聚合和注意孪生网络的视觉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：CN111860249B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202010653926.6，技术领域涉及：G06V20/40；该发明授权一种基于多层次聚合和注意孪生网络的视觉目标跟踪方法是由宋晓宁;范颖;冯振华设计研发完成，并于2020-07-08向国家知识产权局提交的专利申请。

本一种基于多层次聚合和注意孪生网络的视觉目标跟踪方法在说明书摘要公布了：本发明公开了一种基于多层次聚合和注意孪生网络的视觉目标跟踪方法，包括以下步骤，利用孪生主干网络负责提取示例样本和搜索样本的多层特征表示；定义多层聚合模块，选择地集成高层语义特征和低层细节特征来学习多层特征间的互补信息，用以辅助浅层特征跟踪目标；在所述多层聚合模块后加入自细化模块抑制多层聚合产生的噪声；在所述孪生主干网络的顶层卷积特征处添加头注意模块，增强顶层特征的语义表示提高对目标的识别能力；构建多层次聚合和注意孪生网络跟踪器用于视觉目标跟踪。本发明的有益效果：对视觉目标跟踪结果有更显著的提升。

本发明授权一种基于多层次聚合和注意孪生网络的视觉目标跟踪方法在权利要求书中公布了：1.一种基于多层次聚合和注意孪生网络的视觉目标跟踪方法，其特征在于：包括以下步骤， 利用孪生主干网络负责提取示例样本和搜索样本的多层特征表示； 定义多层聚合模块，选择地集成高层语义特征和低层细节特征来学习多层特征间的互补信息，用以辅助浅层特征跟踪目标； 在所述多层聚合模块后加入自细化模块抑制多层聚合产生的噪声； 在所述孪生主干网络的顶层卷积特征处添加头注意模块，增强顶层特征的语义表示提高对目标的识别能力； 构建多层次聚合和注意孪生网络跟踪器用于视觉目标跟踪； 所述多层聚合模块包括以下步骤， 提取示例样本在所述孪生主干网络上生成分别为Fz1、Fz2和Fz3三层特征的表示； 采用反卷积的方式将最后2层特征采样到相同的分辨率为F′z2及F′z3； 将三层特征级联在一起，并将级联后的特征进行卷积运算生成聚合的多层聚合特征FM＝convconcatFz1,F′z2,F′z3，所述FM充分编码来自浅层的低级细节信息和深层的高级语义信息； 所述头注意模块包括空间注意机制和通道注意机制，其中所述空间注意机制包括， 将所述头注意模块的输入特征表示为F∈RC×W×H，其中C、W及H分别表示通道、宽度和高度维度； 将此输入特征输入到3个具有相同结构的卷积层中得到3个新的特征，分别为Fq、Fk和Fv，都属于RC×W×H； 将Fq和Fk重构为RC×N，其中N＝H×W； 之后在Fq和Fk的转置之间进行矩阵乘法，并应用Softmax运算生成空间注意映射： 定义Fsji表示用来测量位置i处特征相对位置j处特征的影响，且两者之间的联系越紧密，则Fsji的值就越大； 将Fv重构成RC×N，并和Fs进行矩阵乘法得到结果为Fr，将所述Fr乘以一个参数λs，并与F执行元素求和运算以获得最终的输出为： 其中λs的值初始化为0，并逐渐学会对空间注意映射分配更多的权重； 所述通道注意机制包括， 将输入特征F∈RC×W×H变换成RC×N，其中N＝H×W； 之后将F的转置和F做矩阵乘法，并应用Softmax运算得到通道注意映射Fc∈RN×N： 其中Fcji为用来测量第i个通道对第j个通道的影响，与所述空间注意机制相似，Fcji值越大表示两者间的相互联系就越大； 然后将重构成RC×N的特征F与通道注意映射Fc进行矩阵乘法，并与参数λc相乘，最后与F进行元素求和运算得到最终输出： 其中λc与空间注意中的类似，初始化为0并逐步学习，用以控制输入特征F的通道重要性； 在所述空间注意机制和所述通道注意机制后，包括以下步骤， 新生成的两个注意特征执行逐元素操作得到了空间通道注意特征Fsca； 提出的所述多层次聚合和注意孪生网络的跟踪框架SiamMLAA中F即为Fz3，与浅层相似度计算类似，深层特征相似度计算可表示为： 其中为Fz3输入到所述头注意模块得到的空间通道注意特征。

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上海蠡图信息科技有限公司，其通讯地址为：上海市宝山区高逸路112-118号3幢6037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”。