递归神经网络多目标跟踪技术
多目标跟踪是计算机视觉领域的热点问题之一.多目标跟踪技术通过对特定目标特征的分析,获取目标在视频序列中的位置与区域变化,为后续数据分析、模式识别等应用提供便利.深度学习在视觉领域表现出了强大的能力,而基于典型的卷积神经网络(CNN)在视频跟踪领域因为卷积神经网络是基于空间深度的神经网络,对于处理具有时序信息的视频多目标跟踪困难重重,近年,因为递归神经网络(RNN)尤其是带有门结构的长段时间记忆网络(LSTM)在时序任务上显示出了突出的性能.不少研究者开始探索如何应用RNN来解决现有跟踪任务中存在的问题.该文介绍了RNN目标跟踪技术的研究背景,该领域的主要研究内容及最新研究进展,分析了近期提出几种较为著名的RNN目标跟踪算法,总结其优缺点并展望RNN目标跟踪技术未来的发展.
多目标跟踪、递归神经网络、计算机视觉、RNN目标跟踪算法
13
TP37(计算技术、计算机技术)
2017-11-03（万方平台首次上网日期，不代表论文的发表时间）
共3页
176-177,188
