基于视觉-语言多模态感知的电力设备目标跟踪方法

本发明公开了一种基于视觉‑语言多模态感知的电力设备目标跟踪方法，属于电力设备目标跟踪技术领域，首先，构建了一种语言引导的目标感知多模态外观建模模型，引入语言和视觉信息共同进行目标表征，利用稳定的语言特征选择更有效的视觉特征，结合自注意机制对两种多模态信息进行深度对齐和增强，提高目标模型的适应性。其次，为了更好的分类和回归，提出了一种视觉‑语言多模态联合感知模块，该模块利用稳定的语言特征和语言感知过的有效视觉特征，通过自注意力强相似先验计算，提前去除搜索区域内的非目标标记，提高了跟踪速度和准确性。