专利交易市场

0本发明公开了一种基于深度学习的无人机目标跟踪系统，通过设计一个基于Anchor‑free的聚合多尺度的目标跟踪系统，采用图注意力模块（GAM）替代了传统的互相关，更加有效地将目标信息从模板区域传递到搜索区域；针对目标跟踪中尺度变化等问题，采用了融合多尺度感受野结构，从而提出了Encoder模块；针对目标跟踪中计算复杂等问题，采用了自适应锚点的结构，大大减少了超参数，进而设计了Decoder模块；特征提取网络提取足够的语义信息经过GAM模块后送到Encoder模块；Encoder模块可以看做是一个单入多出的编码器，经过Encoder所得到的特征随后进入Decoder模块。

0本发明涉及一种基于深度归因图谱的无人机跟踪模型迁移学习方法，属于迁移学习技术领域，包括采集探测数据；选取深度神经网络预训练模型；构建前向传播路径，采集预训练模型每个卷积层的输出特征；计算不同数据点在同一特征间的相似性，构建边相似性序列；构建节点归因值序列；卷积层每增加一层，计算该层与最后一层节点归因值的余弦相似性，计算该层与最后一层边的相似性的斯皮尔曼相关系数；构建深度归因图谱相似性函数；求取对应各个卷积层相关系数，设定阈值，筛选大于阈值的相关系数，该值对应卷积层可作为模型参数微调的临界点，该层之后的参数进行训练。本方法操作简单，训练周期短，不需要大量的图像数据。