| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第一章 绪论 | 第16-25页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 研究现状 | 第17-22页 |
| 1.2.1 目标跟踪研究现状 | 第17-19页 |
| 1.2.2 显著性检测研究现状 | 第19-22页 |
| 1.3 本文的主要工作和创新 | 第22-23页 |
| 1.4 本文各章节安排 | 第23-25页 |
| 第二章 相关方法简介 | 第25-42页 |
| 2.1 引言 | 第25-26页 |
| 2.2 卷积神经网络 | 第26-33页 |
| 2.2.1 神经元 | 第26-28页 |
| 2.2.2 激活函数 | 第28-30页 |
| 2.2.3 神经网络模型 | 第30-31页 |
| 2.2.4 卷积神经网络 | 第31-33页 |
| 2.3 产生式及有条件的对抗网络 | 第33-37页 |
| 2.3.1 产生式对抗网络 | 第33-36页 |
| 2.3.2 条件产生式对抗网络 | 第36-37页 |
| 2.4 强化学习 | 第37-42页 |
| 2.4.1 强化学习简介 | 第37-39页 |
| 2.4.2 公式化表达 | 第39-42页 |
| 第三章 基于多模态注意力机制的显著性检测 | 第42-55页 |
| 3.1 引言 | 第42页 |
| 3.2 全卷积语义分割网络 | 第42-44页 |
| 3.3 基于多模态注意力机制的显著性预测 | 第44-49页 |
| 3.3.1 粗糙的单模态显著性预测网络 | 第45-46页 |
| 3.3.2 训练产生式对抗网络 | 第46-47页 |
| 3.3.3 基于多模态的注意力机制 | 第47-49页 |
| 3.4 实验结果和分析 | 第49-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于目标驱动注意力机制的视觉跟踪 | 第55-70页 |
| 4.1 引言 | 第55页 |
| 4.2 多领域卷积网络视觉跟踪(MDNet)算法简介 | 第55-57页 |
| 4.3 基于目标驱动注意力机制的跟踪算法 | 第57-62页 |
| 4.3.1 目标驱动注意力网络架构 | 第57-59页 |
| 4.3.2 目标驱动注意力网络训练过程 | 第59-61页 |
| 4.3.3 基于目标驱动注意力机制跟踪算法 | 第61-62页 |
| 4.4 实验结果与分析 | 第62-69页 |
| 4.4.1 数据集描述和实验设置 | 第62-64页 |
| 4.4.2 在跟踪基准数据集上的实验 | 第64-67页 |
| 4.4.3 分析目标驱动下注意力机制 | 第67-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士学位期间发表的论文 | 第79页 |