CN117315530A - 基于多帧信息的实例匹配方法 - Google Patents
基于多帧信息的实例匹配方法 Download PDFInfo
- Publication number
- CN117315530A CN117315530A CN202311208924.6A CN202311208924A CN117315530A CN 117315530 A CN117315530 A CN 117315530A CN 202311208924 A CN202311208924 A CN 202311208924A CN 117315530 A CN117315530 A CN 117315530A
- Authority
- CN
- China
- Prior art keywords
- instance
- similarity score
- query
- matrix
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 230000011218 segmentation Effects 0.000 claims abstract description 30
- 101100481876 Danio rerio pbk gene Proteins 0.000 claims abstract description 18
- 101100481878 Mus musculus Pbk gene Proteins 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 238000007500 overflow downdraw method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/71—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于多帧信息的实例匹配方法,包括下列步骤:对视频进行基于查询的实例分割;计算实例查询cosine相似性分数;对于上一步骤得到的相似性分数,经过时间加权和Topk两个不同分支的融合,得到最终的相似性分数;将两个分支得到的相似性分数矩阵进行相加,在两个维度上分别经过Softmax函数操作,计算这两个矩阵的平均值,生成相似性分数矩阵作为后续匈牙利算法中的代价矩阵,完成当前帧实例查询的匹配任务。
Description
技术领域
本发明涉及视频实例分割技术中实例匹配的方法,特别是涉及基于查询的视频实例分割技术中实例匹配的方法。
背景技术
视频实例分割任务在2019年被提出,被定义为同时检测、分割和跟踪视频中的实例,将每个视频帧中的实例从背景和其他实例中精确地分离出来并在视频的不同帧内追踪关联相同实例。视频实例分割技术有着广泛的应用。当下自主驾驶技术正在飞速发展,视频实例分割技术可以帮助自动驾驶车辆更准确地识别前方的交通信号灯、行人、车辆等物体,从而更好地做出驾驶决策。在医疗图像处理领域,视频实例分割技术可以帮助医生更准确地检测和定位肿瘤等问题,提高诊断准确率和诊断效率。除此之外,视频实例分割技术还可以被广泛应用于电影特效制作、虚拟现实、智能监控等视频理解领域。研究视频实例分割技术对于提高计算机视觉技术的水平,推动多媒体信息处理与应用的发展具有重要意义。
视频实例分割技术大致分为两种模式:在线实例实例分割技术和离线型视频实例分割技术。相较于离线型视频实例分割技术,在线视频实例分割技术在处理长视频序列和连续视频序列任务上有着很大的优势,但是分割的准确性却远不如离线型视频实例分割网络,对此Wu[1]等做了深入分析,证明了因不同实例存在外观相似性而导致的实例关联错误是在线视频实例分割网络与离线型视频实例分割网络在性能上具有较大差距的主要原因。
与视频实例分割任务一同被提出的Mask-track R-CNN[2]视频实例分割技术将实例匹配问题视为分类问题,用N个数字表示已经存在的N个实例,用0表示未曾出现的实例。SipMask[3]方法改进了Mask-track R-CNN中实例匹配的方法,从追踪特征图中提取出追踪矩阵进行实例匹配。Compfeat[4]方法提出了同时考虑特征相似性和基于原始图特征相关的相似性得分模块,提高了实例匹配的准确性。时空GNN[5]网络的跟踪分支利用图像的边缘特征来关联现有的实例或初始化新的实例。随着Transformer在计算机视觉领域的广泛应用,基于查询的方法逐渐应用到视频实例分割任务上。IDOL[1]网络和MinVIS[6]网络都是基于查询的视频实例分割网络。IDOL网络在实例匹配阶段使用时间加权Softmax策略,将前T帧中的实例查询通过时间加权函数产生新的实例查询用于实例匹配,匹配时采用双向Softmax相似性分数。MinVIS网络仅计算当前帧的实例查询与前一帧的实例查询Cosine相似性分数,将其作为匈牙利算法[7]的代价矩阵即可完成实例匹配。
参考文献:
[1]Wu J,Liu Q,Jiang Y,et al.In defense of online models for videoinstance segmentation[C]//Computer Vision–ECCV 2022:17th European Conference,Tel Aviv,Israel,October 23–27,2022,Proceedings,Part XXVIII.Cham:SpringerNature Switzerland,2022:588-605.
[2]Yang L,Fan Y,Xu N.Video instance segmentation[C]//Proceedings ofthe EEE/CVF International Conference on Computer Vision.2019:5188-5197.
[3]Cao J,Anwer R M,Cholakkal H,et al.Sipmask:Spatial informationpreservation for fast image and video instance segmentation[C]//ComputerVision–ECCV 2020:16th European Conference,Glasgow,UK,August 23–28,2020,Proceedings,Part XIV 16.Springer International Publishing,2020:1-18.
[4]Fu Y,Yang L,Liu D,et al.Compfeat:Comprehensive feature aggregationfor video instance segmentation[C]//Proceedings of the AAAI Conference onArtificial Intelligence.2021,35(2):1361-1369.
[5]Wang T,Xu N,Chen K,et al.End-to-end video instance segmentationvia spatial-temporal graph neural networks[C]//Proceedings of the IEEE/CVFInternational Conference on Computer Vision.2021:10797-10806.
[6]Huang D A,Yu Z,Anandkumar A.Minvis:A minimal video instancesegmentation framework without video-based training[J].arXiv preprint arXiv:2208.02245,2022.
[7]Kuhn H W.The Hungarian method for the assignment problem[J].NavalResearch Logistics(NRL),2005,52(1):7-21.
发明内容
本发明旨在解决现有的基于查询的在线视频实例分割方法中实例匹配错误的问题,提供一种基于多帧信息的实例匹配方法,技术方案如下:
一种基于多帧信息的实例匹配方法,包括下列步骤:
(1)对视频进行基于查询的实例分割,设当前帧实例查询为Qt,将当前帧实例查询分别与在前帧进行匹配,设经过匹配后的前T帧的实例查询依次为Qt-1,Qt-2,Qt-3,......,Qt-T;
(2)计算实例查询cosine相似性分数,得到T个二维相似性分数矩阵Si∈[-1,1]N×N,i=1,2,3......T,N是存储空间中存储的实例查询帧数,T≤N;
(3)对于上一步骤得到的T个二维相似性分数矩阵Si,经过时间加权和Topk两个不同分支的融合,将经过两种不同融合方法得到的相似性分数进行相加后经过Softmax函数得到最终的相似性分数,方法如下:
在时间加权分支,对于T个二维相似性分数矩阵Si,根据前T帧实例查询与当前帧实例查询的时域距离分配不同的权重系数相乘后相加融合为一个相似性分数矩阵Stime,与当前帧时域距离越近分配的权重越大;
在Topk分支,将T个二维相似性分数矩阵Si转换为三维相似性矩阵S∈[-1,1]T×N×N,在第一个维度上进行降序排序后选择排列在最前面的K个二维矩阵得到矩阵S′∈[-1,1]K×N×N,然后在矩阵S′的第一个维度上将K个二维矩阵进行平均得到一个二维矩阵,此矩阵即为该分支最终的相似性分数矩阵Stopk∈[-1,1]N×N;
将两个分支得到的相似性分数矩阵Stime和Stopk进行相加,在两个维度上分别经过Softmax函数操作,得到两个相似性分数矩阵Sd0和Sd1,计算这两个矩阵的平均值,生成相似性分数矩阵So∈[0,1]N×N作为后续匈牙利算法中的代价矩阵,完成当前帧实例查询的匹配任务。
进一步的,步骤(3)中,设权重系数为ai,其计算公式如下:
其中,i表示前T帧中的第i帧与当前帧的时域距离。
与其他实例查询匹配方案相比,本发明有如下优势:(a)能够充分利用多帧实例查询信息,对于某些实例在某些帧中消失后再次出现等特殊情况,本发明能够提高实例匹配的准确性和稳定性。(b)本发明提出了两种不同相似性矩阵融合方式,对于多帧信息进行不同的处理,得到了更为丰富的实例匹配信息,能够保证实例匹配的准确性和稳定性。(c)本发明所使用的相似性矩阵融合方法均为简单计算,在提高实例匹配准确性的同时没有占用过多的计算资源。
附图说明
图1实例查询错误匹配示例
图2多帧实例查询相似性计算的过程
图3时间加权融合方式示意图
图4Topk融合方式示意图
图5双分支融合方式示意图
图6本发明实施例的流程图
具体实施方式
现有的基于查询的在线视频实例分割方法,如MinVIS[6]方法通过图像实例分割网络得到视频帧的实例编码,再经过后处理步骤完成不同帧的实例匹配,这些方法未能充分利用多帧信息,导致实例中途消失后再次出现等特殊情况下实例匹配发生错误,如图1所示,第一位骑车人实例被遮挡后再次出现实例ID号发生了变化,说明实例匹配发生了错误,这是由于此方法只使用了前一帧图像的信息,实例再次出现时由于前一帧图像中并没有此实例信息,所以在匹配时会发生错误。本专利提出了一种充分利用多帧信息的简单快速实例匹配方法,利用多帧信息进行匹配可以减少上述情况的发生,进而可以进一步提高视频实例分割任务中实例匹配的准确性。具体地,在基于查询的在线视频实例分割方法的后处理阶段,利用网络生成的当前帧实例查询与前T帧已经匹配的实例查询计算得到的相似性分数,经过时间加权与Topk融合方案,利用匈牙利算法完成跨帧实例匹配任务。
下面详细介绍本发明提出的利用多帧信息的实例匹配方案流程,包括帧间实例查询cosine相似性分数的计算过程以及多帧相似性分数矩阵的时间加权与Topk融合方案。
(1)实例查询cosine相似性计算过程
将基于查询的在线视频实例分割方法,如MinVIS[6]方法第一阶段得到的当前帧实例查询Qt∈RN×C分别与内存中经过匹配后的前T帧的实例查询Qt-1,Qt-2,Qt-3,......,Qt-T∈RN×C计算cosine相似性分数,得到T个二维相似性分数矩阵Si∈[-1,1]N×N,i=1,2,3......T,计算过程如图2所示。
(2)时间加权与Topk融合方案
对于上一步骤得到的T个相似性分数矩阵Si,经过时间加权和Topk两个不同的分支,将经过两种不同的融合方法得到的相似性分数进行相加后进行Softmax操作得到最终的相似性分数。
在时间加权分支,对于T个相似性分数矩阵Si,根据内存中实例查询与待匹配帧实例查询的时域距离分配不同的权重系数相乘后相加融合为一个相似性分数矩阵Stime∈[-1,1]N×N,权重系数计算公式如下:
其中i表示某帧与待匹配帧时域上的距离,距离越近权重越大。计算过程如图3所示。
如图4所示,在Topk分支首先将T个二维相似性分数矩阵Si转换为三维相似性矩阵S∈[-1,1]T×N×N,在第一个维度上进行降序排序后选择排列在最前面的K个二维矩阵得到矩阵S′∈[-1,1]K×N×N,然后在矩阵S′的第一个维度上将K个二维矩阵进行平均得到一个二维矩阵,即为该分支最终的相似性分数矩阵Stopk∈[-1,1]N×N。
如图5所示,将两个分支得到的相似性分数矩阵Stime和Stopk进行相加,在两个维度上分别经过Softmax函数操作,得到两个相似性分数矩阵Sd0和Sd1,计算这两个矩阵的平均值,生成相似性分数矩阵So∈[0,1]N×N作为后续匈牙利算法[7]中的代价矩阵,完成当前帧实例ID的匹配任务。
图6给出了本发明所提出方法的具体实施方法,具体步骤如下:
步骤1:对于基于查询的在线视频实例分割方法第一阶段生成的实例查询,当前帧为第一帧时不进行任何操作,将其存入固定长度的内存空间中,当前帧非第一帧时,将其与内存空间存储的多帧实例查询分别计算相似性分数,得到相似性分数矩阵。
步骤2:将得到的相似性分数矩阵分别经过时间加权分支和Topk分支得到两种方式融合后的相似性分数矩阵。
步骤3:将两个分支的相似性分数矩阵相加经过双向Softmax操作融合为最终的相似性分数矩阵。
步骤4:将最终的相似性分数矩阵转换为代价矩阵,使用匈牙利算法计算当前帧实例查询的匹配索引。
步骤5:按照匹配索引重新排序当前帧的实例查询,存入内存空间,当内存空间存储帧数达到最大值时,删除最先被存入的帧实例查询。
Claims (2)
1.一种基于多帧信息的实例匹配方法,包括下列步骤:
(1)对视频进行基于查询的实例分割,设当前帧实例查询为Qt,将当前帧实例查询分别与在前帧进行匹配,设经过匹配后的前T帧的实例查询依次为Qt-1,Qt-2,Qt-3,......,Qt-T;
(2)计算实例查询cosine相似性分数,得到T个二维相似性分数矩阵Si∈[-1,1]N×N,i=1,2,3......T,N是存储空间中存储的实例查询帧数,T≤N;
(3)对于上一步骤得到的T个二维相似性分数矩阵Si,经过时间加权和Topk两个不同分支的融合,将经过两种不同融合方法得到的相似性分数进行相加后经过Softmax函数得到最终的相似性分数,方法如下:
在时间加权分支,对于T个二维相似性分数矩阵Si,根据前T帧实例查询与当前帧实例查询的时域距离分配不同的权重系数相乘后相加融合为一个相似性分数矩阵Stime,与当前帧时域距离越近分配的权重越大;
在Topk分支,将T个二维相似性分数矩阵Si转换为三维相似性矩阵S∈[-1,1]T×N×N,在第一个维度上进行降序排序后选择排列在最前面的K个二维矩阵得到矩阵S′∈[-1,1]K×N×N,然后在矩阵S′的第一个维度上将K个二维矩阵进行平均得到一个二维矩阵,此矩阵即为该分支最终的相似性分数矩阵Stopk∈[-1,1]N×N;
将两个分支得到的相似性分数矩阵Stime和Stopk进行相加,在两个维度上分别经过Softmax函数操作,得到两个相似性分数矩阵Sd0和Sd1,计算这两个矩阵的平均值,生成相似性分数矩阵So∈[0,1]N×N作为后续匈牙利算法中的代价矩阵,完成当前帧实例查询的匹配任务。
2.根据权利要求1所述的实例匹配方法,其特征在于,步骤(3)中,设权重系数为ai,其计算公式如下:
其中,i表示前T帧中的第i帧与当前帧的时域距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311208924.6A CN117315530B (zh) | 2023-09-19 | 2023-09-19 | 基于多帧信息的实例匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311208924.6A CN117315530B (zh) | 2023-09-19 | 2023-09-19 | 基于多帧信息的实例匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117315530A true CN117315530A (zh) | 2023-12-29 |
CN117315530B CN117315530B (zh) | 2024-07-12 |
Family
ID=89296388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311208924.6A Active CN117315530B (zh) | 2023-09-19 | 2023-09-19 | 基于多帧信息的实例匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117315530B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508867A (zh) * | 2011-10-09 | 2012-06-20 | 南京大学 | 一种人体运动的运动图检索方法 |
CN103714181A (zh) * | 2014-01-08 | 2014-04-09 | 天津大学 | 一种层级化的特定人物检索方法 |
CN108596186A (zh) * | 2018-03-19 | 2018-09-28 | 西北大学 | 一种三维模型检索方法 |
CN109118519A (zh) * | 2018-07-26 | 2019-01-01 | 北京纵目安驰智能科技有限公司 | 基于实例分割的目标Re-ID方法、***、终端和存储介质 |
US20190236460A1 (en) * | 2018-01-29 | 2019-08-01 | Salesforce.Com, Inc. | Machine learnt match rules |
CN112132152A (zh) * | 2020-09-21 | 2020-12-25 | 厦门大学 | 一种利用短程关联和长程修剪的多目标跟踪与分割方法 |
CN114241007A (zh) * | 2021-12-20 | 2022-03-25 | 江南大学 | 基于跨任务互学习的多目标跟踪方法、终端设备及介质 |
CN114241388A (zh) * | 2021-12-22 | 2022-03-25 | 中国科学院深圳先进技术研究院 | 基于时空记忆信息的视频实例分割方法和分割装置 |
WO2022252380A1 (zh) * | 2021-06-04 | 2022-12-08 | 魔门塔(苏州)科技有限公司 | 静态障碍物接地轮廓线多帧融合方法、装置及介质 |
-
2023
- 2023-09-19 CN CN202311208924.6A patent/CN117315530B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508867A (zh) * | 2011-10-09 | 2012-06-20 | 南京大学 | 一种人体运动的运动图检索方法 |
CN103714181A (zh) * | 2014-01-08 | 2014-04-09 | 天津大学 | 一种层级化的特定人物检索方法 |
US20190236460A1 (en) * | 2018-01-29 | 2019-08-01 | Salesforce.Com, Inc. | Machine learnt match rules |
CN108596186A (zh) * | 2018-03-19 | 2018-09-28 | 西北大学 | 一种三维模型检索方法 |
CN109118519A (zh) * | 2018-07-26 | 2019-01-01 | 北京纵目安驰智能科技有限公司 | 基于实例分割的目标Re-ID方法、***、终端和存储介质 |
CN112132152A (zh) * | 2020-09-21 | 2020-12-25 | 厦门大学 | 一种利用短程关联和长程修剪的多目标跟踪与分割方法 |
WO2022252380A1 (zh) * | 2021-06-04 | 2022-12-08 | 魔门塔(苏州)科技有限公司 | 静态障碍物接地轮廓线多帧融合方法、装置及介质 |
CN114241007A (zh) * | 2021-12-20 | 2022-03-25 | 江南大学 | 基于跨任务互学习的多目标跟踪方法、终端设备及介质 |
CN114241388A (zh) * | 2021-12-22 | 2022-03-25 | 中国科学院深圳先进技术研究院 | 基于时空记忆信息的视频实例分割方法和分割装置 |
Non-Patent Citations (3)
Title |
---|
DE-AN HUANG, ET AL.: "MinVIS:A Minimal Video Instance Segmentation Framework without Video-based Training", 《ARXIV》, 3 August 2022 (2022-08-03) * |
QIANG WANG, ET AL.: "Prototype-guided Instance matching for multiple pedestrian tracking", 《NEUROCOMPUTING》, vol. 538, no. 14, 7 April 2023 (2023-04-07) * |
曹家乐,庞彦伟,等: "匹配多尺度特征与预测任务的实时目标检测", 《激光与光电子学进展》, vol. 58, no. 12, 30 June 2021 (2021-06-30) * |
Also Published As
Publication number | Publication date |
---|---|
CN117315530B (zh) | 2024-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921875B (zh) | 一种基于航拍数据的实时车流检测与追踪方法 | |
Liu et al. | City-scale multi-camera vehicle tracking guided by crossroad zones | |
CN110717411A (zh) | 一种基于深层特征融合的行人重识别方法 | |
CN111639564B (zh) | 一种基于多注意力异构网络的视频行人重识别方法 | |
Li et al. | Multiple object tracking with motion and appearance cues | |
Zhu et al. | Multi-drone-based single object tracking with agent sharing network | |
Hsu et al. | Traffic-aware multi-camera tracking of vehicles based on reid and camera link model | |
Suprem et al. | Looking glamorous: Vehicle re-id in heterogeneous cameras networks with global and local attention | |
CN110853074A (zh) | 一种利用光流增强目标的视频目标检测网络*** | |
CN111709331B (zh) | 一种基于多粒度信息交互模型的行人重识别方法 | |
CN111353448A (zh) | 基于相关性聚类和时空约束的行人多目标跟踪方法 | |
Lee et al. | Graph convolution neural network-based data association for online multi-object tracking | |
Li et al. | Mutual prediction learning and mixed viewpoints for unsupervised-domain adaptation person re-identification on blockchain | |
Zhang et al. | Radocc: Learning cross-modality occupancy knowledge through rendering assisted distillation | |
Zhang | [Retracted] Sports Action Recognition Based on Particle Swarm Optimization Neural Networks | |
CN117315530B (zh) | 基于多帧信息的实例匹配方法 | |
CN117218382A (zh) | 一种无人***大跨度穿梭多摄像头轨迹跟踪识别方法 | |
CN115082854A (zh) | 一种面向安防监控视频的行人搜索方法 | |
Peng et al. | Tracklet siamese network with constrained clustering for multiple object tracking | |
Zhang et al. | Vehicle Counting Network with Attention-based Mask Refinement and Spatial-awareness Block Loss | |
Li et al. | Group-skeleton-based human action recognition in complex events | |
CN116343135A (zh) | 一种基于纯视觉的特征后融合车辆重识别方法 | |
Wu et al. | Vehicle re-id for surround-view camera system | |
Šarić et al. | Dense semantic forecasting in video by joint regression of features and feature motion | |
Xu et al. | Deep Learning Techniques for Video Instance Segmentation: A Survey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |