结合深度图像表示的相关滤波跟踪方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 研究背景与意义 | 第16页 |
| 1.2 研究现状 | 第16-21页 |
| 1.2.1 生成式目标跟踪的研究现状 | 第17-18页 |
| 1.2.2 判别式目标跟踪的研究现状 | 第18-19页 |
| 1.2.3 目标跟踪中的图像特征 | 第19-20页 |
| 1.2.4 目标跟踪中的搜索策略 | 第20-21页 |
| 1.3 文章内容和章节安排 | 第21-24页 |
| 第二章 基于相关滤波器和深度视觉特征的目标跟踪 | 第24-42页 |
| 2.1 引言 | 第24页 |
| 2.2 基于相关滤波器的跟踪框架 | 第24-27页 |
| 2.2.1 标准判别式相关滤波器 | 第24-26页 |
| 2.2.2 多通道相关滤波器 | 第26-27页 |
| 2.3 提取跟踪目标的深度视觉特征 | 第27-29页 |
| 2.3.1 卷积神经网络简介 | 第27-28页 |
| 2.3.2 层次化的深度特征 | 第28-29页 |
| 2.4 长短时跟踪模型 | 第29-32页 |
| 2.4.1 长短时模型的比较 | 第29-30页 |
| 2.4.2 构造短时模型 | 第30-31页 |
| 2.4.3 模型融合 | 第31-32页 |
| 2.5 实验结果与分析 | 第32-40页 |
| 2.5.1 实现细节 | 第32页 |
| 2.5.2 数据集与测试方法 | 第32-33页 |
| 2.5.3 短时模型的分析 | 第33-34页 |
| 2.5.4 与其他方法的比较 | 第34-39页 |
| 2.5.5 跟踪失败的情况 | 第39-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第三章 基于端对端网络的相关滤波跟踪 | 第42-54页 |
| 3.1 引言 | 第42页 |
| 3.2 端对端的跟踪框架 | 第42-47页 |
| 3.2.1 全卷积对称网络 | 第42-43页 |
| 3.2.2 相关滤波层 | 第43-45页 |
| 3.2.3 网络训练 | 第45-47页 |
| 3.2.4 参数优化 | 第47页 |
| 3.3 边界框回归 | 第47-50页 |
| 3.3.1 选择训练特征 | 第48-49页 |
| 3.3.2 训练回归器 | 第49-50页 |
| 3.4 实验结果与分析 | 第50-53页 |
| 3.4.1 定量分析 | 第51-52页 |
| 3.4.2 定性分析 | 第52页 |
| 3.4.3 跟踪失败的例子 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-64页 |
| 作者简介 | 第64页 |
