基于机器学习的视觉目标跟踪算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5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10-14页 |
| 1.2.1 传统的视觉跟踪算法 | 第10-12页 |
| 1.2.2 基于相关滤波的视觉跟踪算法 | 第12页 |
| 1.2.3 基于深度学习的视觉跟踪算法 | 第12-14页 |
| 1.3 本文研究创新点及章节安排 | 第14-16页 |
| 第2章 相关理论 | 第16-26页 |
| 2.1 压缩感知理论 | 第16-20页 |
| 2.1.1 信号的稀疏表示 | 第16-17页 |
| 2.1.2 观测矩阵的设计 | 第17-18页 |
| 2.1.3 信号重构算法 | 第18-20页 |
| 2.2 强化学习理论 | 第20-26页 |
| 2.2.1 强化学习系统组成要素 | 第20-21页 |
| 2.2.2 基于值函数的强化学习算法 | 第21-24页 |
| 2.2.3 基于策略梯度的强化学习算法 | 第24-26页 |
| 第3章 基于加权多实例学习的压缩感知目标跟踪 | 第26-39页 |
| 3.1 引言 | 第26-27页 |
| 3.2 压缩跟踪算法 | 第27-29页 |
| 3.3 图像描述 | 第29页 |
| 3.4 低维压缩特征分析 | 第29-30页 |
| 3.5 加权多实例学习及实时跟踪方法 | 第30-33页 |
| 3.6 算法步骤 | 第33页 |
| 3.7 实验结果与分析 | 第33-38页 |
| 3.7.1 定性分析 | 第33-37页 |
| 3.7.2 定量分析 | 第37-38页 |
| 3.8 结论 | 第38-39页 |
| 第4章 基于深度强化学习的视觉目标跟踪 | 第39-53页 |
| 4.1 引言 | 第39-40页 |
| 4.2 算法系统结构 | 第40-41页 |
| 4.3 深度神经网络结构 | 第41-42页 |
| 4.4 基于强化学习的策略函数训练 | 第42-44页 |
| 4.4.1 强化学习基础 | 第42页 |
| 4.4.2 策略函数的训练 | 第42-44页 |
| 4.5 实验结果及分析 | 第44-52页 |
| 4.5.1 定性评估小结 | 第49-50页 |
| 4.5.2 定量评估 | 第50-52页 |
| 4.6 结论 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间撰写的论文 | 第60页 |
