10.13873/J.1000-9787(2018)05-0144-03
基于卷积神经网络的实时跟踪算法
利用卷积神经网络(CNN)强大的特征学习能力,提出了一种基于卷积神经网络的实时跟踪算法.通过对双通道卷积神经网络进行离线训练,学习相邻两帧之间的差异,得到跟踪目标的表观特征与运动之间的普遍规律.在不需要对网络模型在线更新的情况下,直接通过网络回归得到对目标的位置和对应置信度的预测.在VOT2014数据集中进行实验,结果表明:提出的跟踪算法的性能达到了当前领先水平.同时,跟踪算法的运行速度可以达到90帧/s,表现出非常不错的实时性.
目标跟踪、卷积神经网络、离线训练、置信度
37
TP391(计算技术、计算机技术)
中国科学院先导专项项目XDA0640102
2018-05-31(万方平台首次上网日期,不代表论文的发表时间)
共3页
144-146