基于深度强化学习的视觉追踪算法研究
| 中文摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 论文研究背景及意义 | 第11-12页 |
| 1.2 视觉追踪的国内外研究现状 | 第12-14页 |
| 1.3 论文的研究内容与组织结构 | 第14-15页 |
| 第二章 视觉追踪算法基础理论 | 第15-21页 |
| 2.1 视觉追踪算法 | 第15-17页 |
| 2.2 卷积神经网络 | 第17-18页 |
| 2.2.1 卷积层 | 第17页 |
| 2.2.2 池化层 | 第17-18页 |
| 2.2.3 全连接层 | 第18页 |
| 2.3 递归神经网络 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 基于深度学习的视觉追踪算法 | 第21-27页 |
| 3.1 基于全卷积网络的视觉追踪算法 | 第21-22页 |
| 3.2 Multi-domain视觉追踪算法 | 第22-23页 |
| 3.3 基于递归网络的视觉追踪算法 | 第23-25页 |
| 3.4 三种算法的比较 | 第25页 |
| 3.5 本章小结 | 第25-27页 |
| 第四章 基于深度强化学习的视觉追踪算法 | 第27-35页 |
| 4.1 策略梯度的强化学习 | 第27-29页 |
| 4.2 基于动作决策和递归网络融合的视觉追踪算法 | 第29-33页 |
| 4.2.1 网络架构 | 第30-32页 |
| 4.2.2 监督学习架构 | 第32页 |
| 4.2.3 强化学习架构 | 第32-33页 |
| 4.3 本章小结 | 第33-35页 |
| 第五章 实验比较分析 | 第35-41页 |
| 5.1 实现细节 | 第35页 |
| 5.2 可视化分析 | 第35-38页 |
| 5.3 定量分析 | 第38-39页 |
| 5.4 追踪效果示意图 | 第39页 |
| 5.5 本章小结 | 第39-41页 |
| 第六章 总结与展望 | 第41-43页 |
| 参考文献 | 第43-47页 |
| 攻读学位期间取得的研究成果 | 第47-49页 |
| 致谢 | 第49-51页 |
| 个人简况及联系方式 | 第51-54页 |
