基于深度学习的飞机目标跟踪应用研究
本文针对飞机目标,提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络,使用迁移学习弥补目标跟踪的小样本集缺陷.卷积层作为特征提取层,全连接层作为目标和背景的分类层,采用特定的飞机数据集来更新网络参数.训练完成之后,结合回归模型,采用简单的线性更新对飞机进行跟踪,算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪,速度达到平均20.36 f/s,在ILSVRC2015飞机检测数据集上成功率均值达到0.592,基本满足飞机实时跟踪.
FDLAT、迁移学习、飞机目标、鲁棒跟踪、实时跟踪
46
TB872(摄影技术)
重大专项基金资助项目G158207
2019-10-14(万方平台首次上网日期,不代表论文的发表时间)
共10页
1-10