基于人工神经网络的无人机目标跟踪算法研究

目录

声明

致谢

变量注释表

1 绪论

1.1 研究背景与意义

1.1.1 无人机目标跟踪应用背景

1.1.2 无人机目标跟踪面临的挑战

1.2 国内外研究现状

1.2.1 经典目标跟踪算法

1.2.2 深度学习目标跟踪算法

1.3 论文内容及组织结构

2 相关基础理论和知识

2.1 深度学习基础

2.1.1 全连接神经网络

2.1.2 卷积神经网络

2.1.3 损失函数

2.1.4 优化算法

2.1.5 激活函数

2.1.6 归一化

2.1.7 反向传播

2.1.8 丢弃法

2.2 单目标跟踪流程

2.3.1 SiamFC

2.3.2 SiamRPN

2.3.3 DaSiamRPN

2.4 无人机目标跟踪数据集与工作平台

2.5 本章小结

3 基于模型压缩的孪生网络目标跟踪研究

3.1 概述

3.2 孪生网络模型:SiamRPN++

3.3.1 相关工作

3.3.2 模型压缩

3.4.1 实验设置与模型训练

3.4.2 结果分析

3.5 本章小结

4 基于可训练加权特征融合的无人机目标跟踪

4.1 概述

4.2.1 特征融合优点与不足

4.2.2 改进的加权深度特征融合方法

4.3.1 实验设置

4.3.2 结果分析

4.4 本章小结

5 总结与展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集