基于深度学习的视觉目标跟踪系统设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 本文研究背景及来源 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 本论文研究内容 | 第13-14页 |
| 第二章 目标跟踪基础理论 | 第14-27页 |
| 2.1 目标跟踪的定义 | 第14-15页 |
| 2.2 目标跟踪的主要难点 | 第15-17页 |
| 2.3 评估跟踪质量 | 第17-21页 |
| 2.3.1 评估指标 | 第17-20页 |
| 2.3.2 主流数据集 | 第20-21页 |
| 2.4 传统方法中的关键技术研究 | 第21-26页 |
| 2.4.1 特征提取 | 第22-24页 |
| 2.4.2 外观模型 | 第24-25页 |
| 2.4.3 经典方法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 深度学习在目标跟踪中的应用 | 第27-38页 |
| 3.1 深度学习模型 | 第27-35页 |
| 3.1.1 前向传导与反向传播 | 第27-33页 |
| 3.1.2 卷积神经网络 | 第33-35页 |
| 3.1.3 循环神经网络 | 第35页 |
| 3.2 深度学习与计算机视觉 | 第35-36页 |
| 3.2.1 图像分类 | 第35-36页 |
| 3.2.2 目标检测 | 第36页 |
| 3.3 基于深度学习的目标跟踪方法 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 系统内核心目标跟踪方法的实现 | 第38-51页 |
| 4.1 精度与速度上的权衡取舍 | 第38-39页 |
| 4.2 目标跟踪方法 | 第39-44页 |
| 4.2.1 运动的平稳性 | 第39-41页 |
| 4.2.2 基于回归思想的算法框架 | 第41-42页 |
| 4.2.3 网络结构 | 第42-44页 |
| 4.3 训练实验 | 第44-48页 |
| 4.3.1 视频序列的训练方法 | 第45页 |
| 4.3.2 图片的训练 | 第45页 |
| 4.3.3 公开数据集 | 第45-46页 |
| 4.3.4 数据的标注方法 | 第46-47页 |
| 4.3.5 训练的细节 | 第47-48页 |
| 4.4 结果分析与工程化前的完善 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 系统的设计与实现 | 第51-65页 |
| 5.1 系统硬件平台 | 第51-52页 |
| 5.2 系统软件设计 | 第52-60页 |
| 5.2.1 总体设计 | 第52-54页 |
| 5.2.2 输入、输出模块的设计 | 第54页 |
| 5.2.3 目标检测模块的设计与结果分析 | 第54-60页 |
| 5.2.4 目标跟踪模块的设计 | 第60页 |
| 5.3 系统的评测结果 | 第60-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 结论与展望 | 第65-68页 |
| 6.1 总结 | 第65-66页 |
| 6.2 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
