基于辅助更新模型和有效性检验的运动跟踪算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 本文结构 | 第12-14页 |
| 第2章 基础知识概述 | 第14-29页 |
| 2.1 深度学习跟踪器的基本概念 | 第14-15页 |
| 2.2 神经网络的相关算法 | 第15-20页 |
| 2.2.1 神经网络的基本概念 | 第15页 |
| 2.2.2 神经元 | 第15-16页 |
| 2.2.3 人工神经网络 | 第16-18页 |
| 2.2.4 神经网络的连接方式 | 第18-19页 |
| 2.2.5 sigmoid函数 | 第19-20页 |
| 2.3 BP算法 | 第20-25页 |
| 2.4 降噪自动编码 | 第25-26页 |
| 2.5 粒子滤波 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 基于辅助更新模型和有效性检验的跟踪算法 | 第29-46页 |
| 3.1 问题分析 | 第29页 |
| 3.2 总体流程 | 第29-30页 |
| 3.3 离线训练 | 第30-32页 |
| 3.4 在线跟踪 | 第32-35页 |
| 3.4.1 样本采集 | 第32-33页 |
| 3.4.2 自适应调节 | 第33-35页 |
| 3.5 模型调优 | 第35-45页 |
| 3.5.1 辅助更新模型 | 第35-39页 |
| 3.5.2 动态粒子调节 | 第39-43页 |
| 3.5.3 有效性检验 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第4章 实验 | 第46-55页 |
| 4.1 环境配置及实现细节 | 第46页 |
| 4.2 数据集及评价标准 | 第46-47页 |
| 4.3 结果阐述 | 第47-53页 |
| 4.4 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61页 |
