| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 生成式追踪算法 | 第11-12页 |
| 1.2.2 判别式追踪算法 | 第12-13页 |
| 1.2.3 基于深度学习的追踪算法 | 第13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 1.4 章节内容和组织结构 | 第14-16页 |
| 第2章 单目标追踪算法和深度学习相关理论 | 第16-27页 |
| 2.1 引言 | 第16-17页 |
| 2.2 目标追踪算法的构成 | 第17-20页 |
| 2.2.1 表观模型建模方法 | 第17-18页 |
| 2.2.2 目标状态搜索方法 | 第18-19页 |
| 2.2.3 目标模型更新方法 | 第19-20页 |
| 2.3 深度学习目标追踪算法 | 第20-25页 |
| 2.3.1 卷积的相关理论 | 第20-21页 |
| 2.3.2 基于深度卷积特征的追踪算法原理 | 第21-23页 |
| 2.3.3 孪生神经网络及相关理论 | 第23-24页 |
| 2.3.4 基于孪生网络的追踪算法原理 | 第24-25页 |
| 2.4 三分支神经网络相关理论 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于三分支网络的目标追踪算法 | 第27-39页 |
| 3.1 引言 | 第27-28页 |
| 3.2 上下文三分支网络 | 第28-33页 |
| 3.2.1 网络结构 | 第28-29页 |
| 3.2.2 损失函数 | 第29-32页 |
| 3.2.3 训练样例 | 第32-33页 |
| 3.3 多层级卷积特征背景表观建模 | 第33-36页 |
| 3.4 反馈机制的目标模型更新策略 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 实验与结果分析 | 第39-49页 |
| 4.1 实现细节 | 第39-40页 |
| 4.2 数据集与评估指标 | 第40-41页 |
| 4.2.1 ObjectTrackerBenchmark | 第40-41页 |
| 4.2.2 ColorTrackingBenchmark | 第41页 |
| 4.3 实验系统的搭建 | 第41-42页 |
| 4.4 实验及结果分析 | 第42-47页 |
| 4.4.1 多层卷积特征对比实验 | 第42-44页 |
| 4.4.2 模型更新策略有效性对比实验 | 第44页 |
| 4.4.3 追踪算法有效性验证及分析 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56页 |