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！

龙图腾网恭喜中国科学院长春光学精密机械与物理研究所申请的专利一种基于多相注意力机制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：CN117058456B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202311062307.X，技术领域涉及：G06V10/764；该发明授权一种基于多相注意力机制的视觉目标跟踪方法是由刘晶红;刘发学;陈琪琪;王宣;刘成龙设计研发完成，并于2023-08-22向国家知识产权局提交的专利申请。

本一种基于多相注意力机制的视觉目标跟踪方法在说明书摘要公布了：本发明涉及计算机视觉跟踪技术领域，尤其涉及了一种基于多相注意力机制的视觉目标跟踪方法，包括如下步骤：S1：将孪生神经网络中目标模板和搜索区域两个分支的输入图像进行归一化处理；S2：将图像信息输入至特征提取网络中，输出提取信息的最后三层特征块；S3：将三层特征块分层输入至双阶段注意力感知网络中；S4：将三个特征块通过调整层多个卷积操作统一调整维度；S5：将三个特征块分层地输入至多层上下文信息解码器模块中；S6：将输出的三个特征块分别通过尺度降低操作合并降低尺度；S7：获得响应图；S8：获得全局视角优化的响应图；S9：将优化后的响应图输入分类回归预测头，得到追踪结果。本发明可增强不同层次特征目标跟踪的精度。

本发明授权一种基于多相注意力机制的视觉目标跟踪方法在权利要求书中公布了：1.一种基于多相注意力机制的视觉目标跟踪方法，其特征在于，包括如下步骤：S1：将孪生神经网络中目标模板和搜索区域两个分支的输入图像进行归一化处理；S2：将归一化处理后的图像信息输入至特征提取网络中，输出提取信息的最后三层特征块；S3：将S2中获取的三层特征块分层输入至双阶段注意力感知网络中；首先输入的为三层独立的级联分解编码器模块结构；S3中输入的三层特征块分别作为双阶段注意力感知的第一个功能区，即三级独立的级联分解编码器模块的输入，输出的是优化后的同维度特征的三层特征块；对于级联分解编码器，以backbone提取的第三个特征块在目标模板分支Z的计算过程为例，具体为一个输入为512通道，经过四个卷积操作和一个池化层分解为四路128通道和1路512输入的支线的计算过程为例：对于前四支线，相当于对输入的特征划分为4个子集，每个子集通道具有相同的大小，分别表示为，其中i在集合{1,2,3,4}中取值，H，W和C表示输入运算张量数据的形状，H表示通道数量，W表示每张特征图的高度，C表示每张特征图的宽度；将输入特征的第一个子集合传递到3×3深度卷积，输出被添加到下一个子集并作为下一条支线的输入；将每条支线的输出分别表示为Fi，再进行通道级联，并与第五条支线的输出加和后作为模块最终的输出；在第五支线运算中，输入经过平均池化层后消除部分噪声的干扰，最终经过Gamma函数在训练过程中不断调整并找到网络最优的融合方式；backbone提取的三个特征块在目标模板分支Z和搜索区域分支X的6处级联分解编码器部分的计算公式为： ；得到多尺度特征图： ；其中，xi表示输入级联分解编码器模块的经过1＊1卷积被分解为4路128通道的特征块，Fi表示随后经过3＊3卷积偏置为1过程后的特征块，Fi'代表将前4路输出特征块通道级联恢复输入通道数后的特征块，F5代表第五路输出的特征块，由输入特征块xZ经过AvgPool平均池化和Gamma函数后的两支线的输出结果相加所得；S4：将S3中输出的三个特征块通过调整层多个卷积操作统一调整维度；S5：将S4中的三个特征块分层地输入至双阶段注意力感知网络的第二个功能部分中，第二个功能部分为多层上下文信息解码器模块，目标模板和搜索区域两个分支均包括多层上下文信息解码器模块，多层上下文信息解码器模块包含四个全局特征建模网络模块；S6：将S5中输出的目标模板的三个特征块、搜索区域的三个特征块分别通过尺度降低操作合并降低尺度；S7：将S6中得到的目标模板和搜索区域的两个分支的特征块进行深度可分离互相关操作，得到响应图；S8：将响应图输入至响应图上下文信息编码器模块，得到全局视角优化的响应图；S9：将优化后的响应图输入分类回归预测头，得到追踪结果。

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中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888号；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”。