10.11830/ISSN.1000-5013.2016.02.0207
选择性搜索和多深度学习模型融合的目标跟踪
提出一种基于深度学习的多模型(卷积神经网络和卷积深信度网络)融合目标跟踪算法.该算法在提取候选粒子方面,使用选择性搜索和粒子滤波的方法.CVPR2013跟踪评价指标(50个视频序列、30个跟踪算法)验证了:该算法在跟踪中能有效地缓解目标物体由于遮挡、光照变化和尺度变化等因素造成的跟踪丢失情况的发生.
目标跟踪、深度学习、多模型融合、选择性搜索、评价指标
37
TP301(计算技术、计算机技术)
国家自然科学基金资助项目61202299;国家自然科学基金面上资助项目61572205;福建省自然科学基金资助项目2015J01257;福建省高校杰出青年科研人才培育计划项目JA13007
2016-04-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
207-212