基于卷积神经网络和嵌套网络的目标跟踪算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9页 |
| 1.2 目标跟踪领域面临的挑战 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 目标跟踪算法的研究现状 | 第11-13页 |
| 1.3.2 深度学习算法的研究现状 | 第13-16页 |
| 1.4 本文内容安排 | 第16-17页 |
| 第2章 卷积神经网络 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 神经元模型与前馈神经网络 | 第17-20页 |
| 2.3 误差反向传播算法 | 第20-22页 |
| 2.4 卷积神经网络层的类型 | 第22-25页 |
| 2.4.1 卷积层 | 第23-24页 |
| 2.4.2 非线性变化层 | 第24-25页 |
| 2.4.3 下采样层 | 第25页 |
| 2.4.4 全连接层 | 第25页 |
| 2.5 卷积神经网络的结构特点 | 第25-29页 |
| 2.5.1 卷积层的结构特点 | 第25-29页 |
| 2.5.2 下采样层的结构特点 | 第29页 |
| 2.6 卷积神经网络的学习算法 | 第29-31页 |
| 第3章 基于卷积神经网络的目标跟踪算法 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 基于卷积神经网络的目标表观建模 | 第31-34页 |
| 3.3 基于粒子滤波和卷积神经网络的目标跟踪算法 | 第34-35页 |
| 3.4 跟踪算法流程 | 第35-37页 |
| 3.5 实验结果 | 第37-45页 |
| 3.5.1 实验设置 | 第37-38页 |
| 3.5.2 评价准则 | 第38-40页 |
| 3.5.3 定量分析 | 第40-41页 |
| 3.5.4 基于属性的分析 | 第41-42页 |
| 3.5.5 定性分析 | 第42-44页 |
| 3.5.6 小结 | 第44-45页 |
| 第4章 基于嵌套网络的目标跟踪算法 | 第45-59页 |
| 4.1 引言 | 第45页 |
| 4.2 基于嵌套网络的目标表观建模 | 第45-48页 |
| 4.3 基于粒子滤波和嵌套网络的目标跟踪算法 | 第48-49页 |
| 4.4 跟踪算法流程 | 第49-51页 |
| 4.5 实验结果 | 第51-59页 |
| 4.5.1 实验设置 | 第51-52页 |
| 4.5.2 评价准则 | 第52-53页 |
| 4.5.3 定量分析 | 第53-54页 |
| 4.5.4 基于属性的分析 | 第54-56页 |
| 4.5.5 定性分析 | 第56-58页 |
| 4.5.6 小结 | 第58-59页 |
| 第5章 结论 | 第59-61页 |
| 5.1 研究总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第66页 |
