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分类回归图对齐的视觉单目标跟踪对抗防御方法，包括获取视频数据集并预处理；构造基于分类回归图对齐的视觉单目标跟踪对抗防御网络AADN；结合搜索分支训练Def1；结合模板分支训练Def2，得到训练好的AADN，将带有未知扰动的视频中的图像帧用训练好的AADN得到防御后搜索区域、防御后模板区域，送入目标跟踪器中处理。本发明通过对抗训练学习过滤干净样本邻域内的潜在对抗扰动，增强其对未知对抗扰动的防御能力，使目标跟踪器有更好的鲁棒性和泛化性、训练好的AADN即插即用，无需对跟踪器的参数进行调整，具有良好的迁移性，并能使目标跟踪器维持着速度与精度的良好平衡。

主权项：1.一种基于分类回归图对齐的视觉单目标跟踪对抗防御方法，用于对含有未知攻击扰动的视频帧进行重构，再送入目标跟踪器中，目标跟踪器的孪生网络包括搜索分支和模板分支，其特征在于：包括以下步骤：S1，获取包含多段视频的视频数据集，对视频预处理，其中一段视频的预处理方法为：将视频剪裁到包含n张图像帧，得到图像集并对每张图像帧进行目标标注，其中第i张图片帧Ii的目标标注为包括分类标注ycls与回归标注yreg，从图像集中剪裁出Ii的模板区域zi和搜索区域xi；S2，构造基于分类回归图对齐的视觉单目标跟踪对抗防御网络AADN；在搜索分支前设置第一防御网络Def1，参数为θ1，模板分支前设置第二防御网络Def2，参数为θ2，两防御网络结构均基于U-Net网络；S3，结合搜索分支训练Def1，其中Ii的训练方法包括S31～S38；S31，对Ii的搜索区域xi添加训练扰动δg，输入Def1，输出防御样本S32，将和模板区域zi送入目标跟踪器，输出的预测分类图和预测回归图；S33，计算Def1的一次损失函数其中，分别为对应的分类损失和回归损失；S34，用更新训练扰动δg，生成对抗扰动δadv；S35，对Ii的搜索区域xi添加对抗扰动δadv，再次输入Def1，输出更新防御样本S36，将和模板区域zi送入目标跟踪器，输出的预测分类图和预测回归图；S37，计算Def1的二次损失函数其中，分别为对应的分类损失和回归损失；S38，使用优化器，以最小化更新Def1的参数θ1；S4，按步骤S3的方法，结合模板分支训练第二防御网络，训练过程中，交换模板区域zi和搜索区域xi的位置；S5，将带有未知扰动的视频中的图像帧，送入训练好的AADN中，得到Def1和Def2的输出，将Def1的输出作为防御后搜索区域、Def2的输出作为防御后模板区域，送入目标跟踪器中。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于分类回归图对齐的视觉单目标跟踪对抗防御方法