您好,游客注册登录繁體
首页 >> 365bet娱乐场客户端 >> 基于递归和双神经网络调制的目标跟踪算法研究

基于递归和双神经网络调制的目标跟踪算法研究

admin 2019-10-22 0
浏览次数5

概述第3-5页,概述第5-6页,第1章,简介,第9-27页,第1页

1第9-10页的研究背景和重要性。

2第10-14页上的监控目标面临的主要问题。

2)

1第11-12页的更改独特因素。

2)

2第12-14页的来自外部因素的干扰。

第14-18页的3种目标跟踪算法的大致流程。

3)

1第14页的初始化目标状态。

3)

2镜头外观建模,第14-16页。

3)

3搜索策略选择页面1-17。

3)

更新4种型号的第17-18页。

4日本国内外的研究现状,第18-21页。

4)

11第18-19页的常规目标跟踪算法。

4)

基于两个相关滤波器的目标跟踪算法,第19-20页。

4)

3基于20-21页深度学习的目标跟踪算法。

5第21-23页的研究趋势和前景分析。

6论文研究计划和组织结构23-25页?

第7章概述第25-27页第2章深度神经网络模型概述第27-33页

1简介27-28页2。

2卷积神经网络,p。28-30,2。

3递归神经网络,p。30-31。

4 Twin Neural Networks,第2页。31-32 2。

第5章32-33摘要Page 3基于多方向递归神经网络空间调制的分层内核相关过滤器跟踪算法,p。33-53。

1简介33-36页3。

2算法概述36-37第3页。

编码3个空间上下文信息p的多向递归神经网络。37-39。

4正则化核相关滤波器,p。39-42。

第52-3页的5个金字塔刻度的最佳刻度估计。

6更新了自适应内核相关滤波器模型。

7第42-52页的实验。

7)

1第44-45页的实验详情3。

7)

2个评估计划,45页,3。

7)

3性能比较第45-51页。

7)

4个上下文语义信息和多尺度功能表示的影响在第51-52页。

第8章概述第52-53页第4章基于多任务双神经网络的联合推理跟踪算法。53-71。

1简介53-54页4。

2算法概述第54-57页4。

3多任务双神经网络模型57-584。

第4 58-59页的多任务双神经网络训练数据集的处理。

5基于自适应核心相关滤波器的重检测模型,p。59-60。

6第60-69页的实验。

6)

1第60-62页上的实验详细信息。

6)

2评估计划,62页,4。

6)

3性能比较第62-67页。

6)

4将自适应检测器的有效性与第67-69页的工作时间进行了比较。


全部评论:0

评论已关闭!