基于卷积神经网络的目标跟踪技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 研究背景与意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 目标跟踪任务分类与难点 | 第19-21页 |
| 1.4 本文主要工作与组织结构 | 第21-24页 |
| 第2章 目标跟踪方法概述 | 第24-34页 |
| 2.1 目标的表观特征 | 第24-25页 |
| 2.2 目标跟踪方法概述 | 第25-33页 |
| 2.2.1 传统目标跟踪方法 | 第26-28页 |
| 2.2.2 基于相关滤波的目标跟踪方法 | 第28-30页 |
| 2.2.3 基于深度学习的目标跟踪方法 | 第30-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 目标跟踪的卷积特征提取 | 第34-46页 |
| 3.1 人工神经网络 | 第34-38页 |
| 3.1.1 人工神经元 | 第34-35页 |
| 3.1.2 激励函数 | 第35-36页 |
| 3.1.3 BP算法 | 第36-38页 |
| 3.2 卷积神经网络 | 第38-40页 |
| 3.2.1 卷积层 | 第38页 |
| 3.2.2 池化层 | 第38-39页 |
| 3.2.3 BN层 | 第39页 |
| 3.2.4 Dropout层 | 第39-40页 |
| 3.3 分类实验与特征可视化分析 | 第40-45页 |
| 3.3.1 卷积网络结构 | 第40-42页 |
| 3.3.2 训练数据集 | 第42页 |
| 3.3.3 实验结果 | 第42-43页 |
| 3.3.4 特征图可视化 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于卷积神经网络的目标跟踪方法 | 第46-60页 |
| 4.1 基于卷积神经网络的跟踪方法框架 | 第47页 |
| 4.2 离线跟踪网络 | 第47-51页 |
| 4.2.1 网络结构的提出 | 第47-48页 |
| 4.2.2 损失函数 | 第48-49页 |
| 4.2.3 网络的训练 | 第49-51页 |
| 4.3 基于粒子滤波的跟踪 | 第51-52页 |
| 4.4 实验结果与分析 | 第52-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第70页 |
