[发明专利]一种基于孪生网络的智能汽车单目标跟踪方法

权利要求书

1.一种基于孪生网络的智能汽车单目标跟踪方法，其特征在于，包括如下：

S1:设计mish卷积模块mish-convolutional；

S2:设计m-Residual模块；

S3:设计通道注意力模块；

S4：设计结构体；

S5：设计Mish-channel-dark部分与特征信号的多次提取；

S6：设置网络输入与特征的提取；

S7:进行相似性判断

S8:更新模板以及目标跟踪。

2.根据权利要求1所述的一种基于孪生网络的智能汽车单目标跟踪方法，其特征在于，所述S1的实现包括如下：

mish卷积模块mish-convolutional包括一个卷积层(conv2d)、批量归一化(BN)层、mish激活层序列。

3.根据权利要求1所述的一种基于孪生网络的智能汽车单目标跟踪方法，其特征在于，所述S2的实现包括如下：

所述m-Residual模块包括2个mish卷积模块与一个直连接层；

其中，一个mish卷积模块内部的卷积层的尺寸为1*1，另一个mish卷积模块内部的卷积层的尺寸为为3*3。

4.根据权利要求1所述的一种基于孪生网络的智能汽车单目标跟踪方法，其特征在于，所述S3的实现包括如下：

先构建一个由全局最大池化和一个全局平均池化组成的并联运算模块，随后构建一个MLP模块；

其中，MLP模块由两个1*1*128的卷积层和一个Mish激活层构成，且卷积层1与卷积层2的参数共享。

5.根据权利要求1所述的一种基于孪生网络的智能汽车单目标跟踪方法，其特征在于，所述S4的实现包括如下：

所述结构体包括2个mish卷积模块、1个m-Residual模块、一个通道注意力模块串行；

其中，2个mish卷积模块尺寸分别为1*1与3*3。

6.根据权利要求1所述的一种基于孪生网络的智能汽车单目标跟踪方法，其特征在于，所述S5的实现包括如下：

S5.1：构建一个3*3的mish卷积模块，其输出通道数为32，卷积核的步长为1，再次串行构建一个3*3的mish卷积模块，输出通道数变为64，卷积核的步长变为2；

S5.2：串行构建一个结构体，其中1*1的mish卷积模块的输出通道为32，3*3的mish卷积模块的输出通道数为64；随后，将得到的特征信号输入一个3*3的mish卷积模块，该卷积核的步长为2，输出通道数为128；

S5.3：构建2个串行的结构相同的结构体，其中1*1的mish卷积模块的输出通道数为64，3*3的mish卷积模块的输出通道数为128，第2个结构体的通道注意力模块为特征提取层，随后构建一个3*3的mish卷积模块，其步长为2，输出通道为256；

S5.4：构建8个串行的结构相同的结构体；其中1*1的mish卷积模块的输出通道数为128，3*3的mish卷积模块的输出通道数为256，第8个结构体的通道注意力模块为特征提取层，随后构建一个3*3的mish卷积模块，其步长为2，输出通道为512；

S5.5：构建8个串行的结构相同的结构体；其中1*1的mish卷积模块的输出通道数为256，3*3的mish卷积模块的输出通道数为512，第8个结构体的通道注意力模块为特征提取层，随后构建一个3*3的mish卷积模块，其步长为2，输出通道为1024；

S5.6：构建4个串行的结构相同的结构体，其中1*1的mish卷积模块的输出通道数为512，3*3的mish卷积模块的输出通道数为1024；第4个结构体的通道注意力模块为特征提取层。