”机器视觉 目标跟踪 卷积神经 特征选择 相关滤波 模型切换 machine v object tr convoluti feature s correlati model swi“ 的搜索结果

     针对计算机视觉中目标跟踪的问题,提出基于卷积神经网络(CNN)提取深度特征并与边缘特征进行自适应融合的策略来实现视频目标的跟踪算法。卷积神经网络的低层网络可以获取目标的一部分空间结构、形状等特征;高层网络...

     其次,在相关滤波模型框架下,利用这些卷积特征构建多个弱跟踪器;接着,根据每个弱跟踪器的决策损失变化自适应地调节它们的决策权重,完成基于多层卷积特征的目标位置估计;然后,根据尺度相关滤波模型在目标中心区域进行...

     目标跟踪算法是指通过视频分析技术，实时追踪视频序列中的目标并获取其位置、形状、速度等信息的一种算法。目标跟踪在多个领域有着广泛的应用，如监控安防、无人驾驶、人机交互以及虚拟现实等。然而，目标跟踪算法仍...

     该方法对选取的两个卷积层特征使用目标区域和跟踪搜索区域卷积特征的能量均值比来评估卷积特征，选择能量均值比大于给定阈值的卷积通道特征来训练两个相关滤波分类器，然后利用目标相关滤波响应图的峰旁比自适应切换...

     卷积神经网络（CNN）是一种深度学习神经网络，它模仿人类大脑的视觉处理方式，可以用于图像识别、分类和分割等领域。在图像处理中，卷积神经网络在提取图像特征、分类识别等方面发挥着重要作用。 ## 本文的内容和...

     基于此,提出一种新的跟踪模型,该模型集成了基于双线性卷积神经网络的新型响应图融合方法,可以获得响应图的位置关联和信息交互,利于更准确地跟踪目标物体。基于OTB2013基准数据库对本文算法进行测试,结果表明,与一流...

     针对MDNet跟踪算法网络模型中存在的特征稳健性差以及目标背景信息丢失导致跟踪失败的问题,提出一种基于重构特征联合的多域卷积神经网络视觉跟踪算法。基于末端卷积层提取的目标高级特征,使用反卷积操作上采样,获得了...

     针对复杂跟踪条件下目标的稳健跟踪和精确尺度估计问题，提出了一种基于多层卷积特征融合的目标尺度自适应稳健跟踪算法。算法首先利用VGG-Net-19深层卷积网络架构提取目标候选区域的多层卷积特征，通过相关滤波算法...

     为提高复杂场景中目标跟踪算法的准确性与实时性,提出一种基于多层深度卷积特征的抗遮挡实时目标跟踪算法。针对目标跟踪任务,先对深度卷积网络VGG-Net-19进行微调,再提取目标区域的多层深度卷积特征。根据相关滤波...

     针对复杂场景中传统单一手工特征表达能力不足,以及模型更新过程中由于误差累积导致模型退化问题,提出了基于相关滤波融合卷积残差学习的目标跟踪算法。将融合了多特征的相关滤波算法定义为神经网络中的一层,将特征...

     针对视频序列的稳健性目标跟踪问题, 提出一种基于卷积神经网络(CNN)与一致性预测器(CP)的视觉跟踪算法。该算法通过构建一个双路输入CNN模型, 同步提取帧采样区域和目标模板的高层特征, 利用逻辑回归方法区分目标与...

     针对传统手工特征表达能力不足和滤波器模型存在误差累积的影响,提出一种融合多层卷积特征自适应更新的目标跟踪算法。该算法采用分层卷积神经网络提取图像特征,利用线性加权的方法融合多层卷积特征预测目标位置;利用...

10  
9  
8  
7  
6  
5  
4  
3  
2  
1  

推荐文章