笔灵AI论文写作三步搞定，GO>>
用于跟踪的变换器模型预测思维导图
免费下载
免费使用文件
U21669375 浏览量：202022-04-02 09:37:24
已被使用0次
本文采用与DETR相同的转换器构架，得到基于转换器的模型预测器估计两个独立模型的权重
树图思维导图提供 用于跟踪的变换器模型预测 在线思维导图免费制作，点击“编辑”按钮，可对 用于跟踪的变换器模型预测 进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：65fb9326f64d5cdf78f1cf7c56a0dd2f
思维导图大纲
用于跟踪的变换器模型预测思维导图模板大纲
判别模型预测
基于DCF的方法学习目标模型，以最小化目标区分目标和背景
基于傅里叶变换的解算器
采用两层感知器作为目标模型，并用共轭梯度来解决优化问题
通过将跟踪问题转化为原学习问题来实现端到端训练
学习鉴别特征空间，基于初始帧中的目标状态来预测目标模型的权重，并用优化算法来改进权重
用于跟踪的变换器
使用变换器来预测区别特征，以定位目标对象并回归其边界框。而变换器解码器使用交叉注意层融合训练和测试特征以计算区别特征
将这些特征提供给两个预测目标位置和边界框的网络。
采用了由多个自我和交叉注意模块组成的特征融合网络。融合的输出特征被馈送到目标分类器和边界框回归器。
采用DiMP模型预测器来产生模型权重，给定变压器编码器的输出特征作为训练样本。之后，目标模型通过将预测的权重应用于由变换器解码器产生的输出特征来计算目标得分图。
采用概率IoUNet进行边界框回归。
采用了DETR 的变压器架构。不是在变换器解码器中融合训练和测试特征，而是由整个变换器对它们进行堆叠和联合处理。
单个objectquery产生与Transformer编码器特性融合的解码器输出。这些特征然后被进一步处理以直接预测目标的边界框。
本文采用与DETR相同的转换器构架，得到基于转换器的模型预测器估计两个独立模型的权重
目标分类器
包围盒回归器
沪公网安备 31011502019485号
上海工商