基于卷积神经网络特征共享与目标检测的跟踪算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 深度学习的发展 | 第9-11页 |
| 1.3 目标跟踪目前面临的问题 | 第11页 |
| 1.4 主要研究内容及技术路线 | 第11-12页 |
| 1.5 本文组织安排 | 第12-13页 |
| 2 目标跟踪研究现状 | 第13-33页 |
| 2.1 深度学习研究现状与应用 | 第13-26页 |
| 2.1.1 人工神经网络 | 第13-14页 |
| 2.1.2 深层神经网络模型 | 第14-24页 |
| 2.1.3 随机梯度下降算法 | 第24页 |
| 2.1.4 深度学习的fine-tune策略 | 第24-26页 |
| 2.2 目标检测研究现状 | 第26-29页 |
| 2.3 目标跟踪研究现状 | 第29-32页 |
| 2.4 本章小节 | 第32-33页 |
| 3 基于特征共享与目标检测的跟踪算法 | 第33-44页 |
| 3.1 跟踪算法的难点与解决思路 | 第33-34页 |
| 3.2 跟踪算法模型与实现 | 第34-35页 |
| 3.2.1 跟踪模型的训练 | 第34页 |
| 3.2.2 在线跟踪流程 | 第34-35页 |
| 3.3 候选目标检测网络 | 第35-39页 |
| 3.3.1 检测网络的设计 | 第35-36页 |
| 3.3.2 检测网络的离线训练 | 第36-37页 |
| 3.3.3 候选目标置信度分析 | 第37-39页 |
| 3.4 特征共享 | 第39-42页 |
| 3.4.1 特征共享的理论基础 | 第39-41页 |
| 3.4.2 特征共享的实现难点 | 第41-42页 |
| 3.5 本文算法与TLD对比 | 第42-43页 |
| 3.6 本章小节 | 第43-44页 |
| 4 实验与结果分析 | 第44-54页 |
| 4.1 实验数据 | 第44页 |
| 4.2 实验环境 | 第44-45页 |
| 4.3 对比算法 | 第45页 |
| 4.4 实验结果分析 | 第45-53页 |
| 4.4.1 检测网络评估 | 第45-46页 |
| 4.4.2 特征共享模型分析 | 第46-48页 |
| 4.4.3 跟踪模型评估 | 第48-50页 |
| 4.4.4 跟踪效果展示 | 第50-53页 |
| 4.5 本章小节 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 论文主要创新点 | 第54-55页 |
| 5.2 进一步研究的方向 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表的科研成果 | 第58-59页 |
| 致谢 | 第59-60页 |
