本发明公开了一种基于深度强化学习和时空上下文的目标图像追踪方法,包括以下步骤:1)在每个时间步t,使用特征提取网络从输入序列中获取图像x
t,作为视觉特征;将视觉特征通过STC和递归神经网络,然后分别从STC和递归神经网络中提取时空特征c
t和隐层状态h
t,其中时空特征c
t将被为参考标准;2)建立模型;3)模型训练;4)根据模型的预测位置,进行目标追踪。本发明提出的方法和模型在跟踪过程中具有较高的成功率和精度得分,也反映了本发明提出的基于强化学习和时空上下文的DRST模型能够实现对目标对象的长期跟踪,避免跟踪过程出现跟踪漂移。
声明:
“基于深度强化学习和时空上下文的目标图像追踪方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)