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

基于中心对比卷积神经网络的目标跟踪算法研究

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-16页
    1.1 研究背景与意义第10-11页
    1.2 研究现状第11-14页
    1.3 主要研究内容第14-15页
    1.4 论文组织架构第15-16页
第二章 相关基础知识介绍第16-28页
    2.1 目标表示常用特征第16-20页
        2.1.1 全局特征第16-17页
        2.1.2 局部特征第17-19页
        2.1.3 运动特征第19-20页
    2.2 卷积神经网络(CNN)特征第20-23页
        2.2.1 背景介绍第20-21页
        2.2.2 网络特点第21-22页
        2.2.3 网络结构第22-23页
    2.3 卷积神经网络常用训练方法与技巧第23-27页
        2.3.1 图像预处理第23-24页
        2.3.2 批量随机梯度下降第24-25页
        2.3.3 迁移学习第25-26页
        2.3.4 困难样本挖掘第26页
        2.3.5 边界框回归第26-27页
    2.4 本章小结第27-28页
第三章 逐任务驱动的卷积神经网络用于目标跟踪第28-36页
    3.1 引言第28页
    3.2 离线训练-逐任务驱动的卷积神经网络第28-30页
    3.3 在线跟踪第30-32页
    3.4 实验相关第32-34页
        3.4.1 实验数据集第32页
        3.4.2 常用评价指标第32-34页
    3.5 本章小结第34-36页
第四章 中心对比卷积神经网络用于目标跟踪第36-44页
    4.1 引言第36页
    4.2 离线训练-中心对比卷积神经网络第36-37页
    4.3 在线跟踪第37-38页
    4.4 实验相关第38-42页
        4.4.1 参数设置第38-39页
        4.4.2 实验效果第39-42页
    4.5 本章小结第42-44页
第五章 小运动优先的视觉目标跟踪算法第44-52页
    5.1 引言第44页
    5.2 离线训练-小运动规律建模第44-46页
    5.3 在线跟踪第46-48页
    5.4 实验相关第48-50页
        5.4.1 参数设置第48页
        5.4.2 实验效果第48-50页
    5.5 本章小结第50-52页
第六章 总结与展望第52-54页
    6.1 本文工作总结第52页
    6.2 未来工作展望第52-54页
参考文献第54-58页
致谢第58-60页
攻读学位期间发表的学术论文目录第60页

论文共60页,点击 下载论文
上一篇:基于灰色理论与机器学习的黑河地下水水位预测研究
下一篇:自驱动聚苯胺氨气传感器