首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的单目标跟踪方法研究

摘要第4-5页
Abstract第5页
第1章 绪论第8-14页
    1.1 课题来源与背景第8-9页
    1.2 课题研究的意义第9-10页
        1.2.1 军事领域第9页
        1.2.2 工业领域第9-10页
        1.2.3 交通管理第10页
        1.2.4 刑侦领域第10页
    1.3 国内外在该方向的研究现状及分析第10-12页
    1.4 本文研究内容和章节第12-14页
第2章 跟踪问题的分析第14-21页
    2.1 目标跟踪的约束条件第14页
    2.2 单目标跟踪待解决问题第14-16页
    2.3 传统单目标跟踪流程第16-17页
    2.4 目标的特征表示第17-18页
    2.5 传统跟踪算法测评第18-20页
    2.6 本章小结第20-21页
第3章 基于深度学习的单目标跟踪第21-44页
    3.1 深度学习第21-25页
        3.1.1 深度学习简介第21页
        3.1.2 人工神经网络第21-24页
        3.1.3 卷积神经网络概述第24页
        3.1.4 卷积神经网络结构第24-25页
    3.2 基于深度网络的跟踪算法第25-31页
        3.2.1 MDNet网络第26页
        3.2.2 Siamese FC网络第26-27页
        3.2.3 C-COT第27-29页
        3.2.4 ECO第29-31页
    3.3 基于GOTURN的实时跟踪模型第31-38页
        3.3.1 AlexNet结构第32-33页
        3.3.2 跟踪器的输入第33-34页
        3.3.3 搜索策略第34页
        3.3.4 跟踪器的输出第34页
        3.3.5 跟踪器的网络结构第34-36页
        3.3.6 数据集的扩增第36-37页
        3.3.7 运动模型第37-38页
        3.3.8 训练数据集第38页
    3.4 跟踪-检测框架第38-42页
        3.4.1 检测器第40-41页
        3.4.2 置信度判断第41-42页
    3.5 本章小结第42-44页
第4章 单目标跟踪实验第44-51页
    4.1 短时跟踪测试第44-45页
    4.2 长时跟踪测试第45-49页
    4.3 本章小结第49-51页
结论第51-52页
参考文献第52-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:带有传动挠性的力系统控制研究
下一篇:基于末端炔、醛、胺的三组分反应研究