[00251497]基于卷积神经网络的多尺度表达的目标跟踪方法
交易价格:
面议
所属行业:
其他电子信息
类型:
发明专利
技术成熟度:
正在研发
专利所属地:中国
专利号:CN201611201895.0
交易方式:
技术转让
技术转让
技术入股
联系人:
科小易
进入空间
所在地:福建厦门市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明属于图像处理技术领域,提供基于卷积神经网络的多尺度表达的目标跟踪方法,包括:多尺度卷积神经网络结构预训练;利用多尺度特征表达构建多示例分类器;改进多示例在线跟踪;多步差模型更新。该算法利用卷积神经网络的自动学习深层特征的能力,可以获取涉及语义信息的深层图像表达,同时利用拉普拉斯金字塔构建图像的多尺度表达,训练多尺度的卷积神经网络结构。结合改进的多示例学习算法,构建在线跟踪器,实现目标的稳定跟踪。
本发明属于图像处理技术领域,提供基于卷积神经网络的多尺度表达的目标跟踪方法,包括:多尺度卷积神经网络结构预训练;利用多尺度特征表达构建多示例分类器;改进多示例在线跟踪;多步差模型更新。该算法利用卷积神经网络的自动学习深层特征的能力,可以获取涉及语义信息的深层图像表达,同时利用拉普拉斯金字塔构建图像的多尺度表达,训练多尺度的卷积神经网络结构。结合改进的多示例学习算法,构建在线跟踪器,实现目标的稳定跟踪。