Changchun Institute of Optics,Fine Mechanics and Physics,CAS
| 多示例深度学习目标跟踪 | |
| 程帅; 孙俊喜; 曹永刚; 刘广文; 韩广良 | |
| 2015-12-15 | |
| 发表期刊 | 电子与信息学报
 |
| 期号 | 12页码:2906-2912 |
| 摘要 | 为解决多示例跟踪算法中外观模型和运动模型不足导致跟踪精度不高的问题,该文提出多示例深度学习目标跟踪算法。针对原始多示例跟踪算法中采用Haar-like特征不能有效表达图像信息的缺点,利用深度去噪自编码器提取示例图像的有效特征,实现图像信息的本质表达,易于分类器正确分类,提高跟踪精度。针对多示例学习跟踪算法中选取弱特征向量不能更换,难以反映目标自身和外界条件变化的缺点,在选择弱分类器过程中,实时替换判别力最弱的特征以适应目标外观的变化。针对原始多示例跟踪算法中运动模型中仅假设帧间物体运动不会超过某个范围,不能有效反映目标的运动状态的缺点,引入粒子滤波算法对目标进行预测,提高跟踪的准确性。在复杂环境下不同图片序列实验结果表明,与多示例跟踪算法及其他跟踪算法相比,该文算法具有更高跟踪精确度和更好的鲁棒性。 |
| 关键词 | 目标跟踪 多示例学习 深度学习 弱特征更换 粒子滤波 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ciomp.ac.cn/handle/181722/53530 |
| 专题 | 中科院长春光机所知识产出 |
| 推荐引用方式 GB/T 7714 | 程帅,孙俊喜,曹永刚,等. 多示例深度学习目标跟踪[J]. 电子与信息学报,2015(12):2906-2912. |
| APA | 程帅,孙俊喜,曹永刚,刘广文,&韩广良.(2015).多示例深度学习目标跟踪.电子与信息学报(12),2906-2912. |
| MLA | 程帅,et al."多示例深度学习目标跟踪".电子与信息学报 .12(2015):2906-2912. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 多示例深度学习目标跟踪.caj（1492KB） | 期刊论文 | 作者接受稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [程帅]的文章 |
| [孙俊喜]的文章 |
| [曹永刚]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [程帅]的文章 |
| [孙俊喜]的文章 |
| [曹永刚]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [程帅]的文章 |
| [孙俊喜]的文章 |
| [曹永刚]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论