声明
第1章 绪论
1.1 课题的研究背景和意义
1.2 国内外研究现状
1.2.1 基于判别相关性滤波器的目标跟踪现状分析
1.2.2 基于深度学习的目标跟踪现状分析
1.2.3 目标跟踪数据集
1.3 论文的主要内容及结构安排
第2章 相关理论基础
2.1 孪生网络
2.2 卷积神经网络
2.2.1 卷积神经网络特征分析
2.2.2 卷积神经网络基本结构
2.3 长短期记忆网络(LSTM)与卷积长短期记忆网络(ConvLSTM)
2.3.1 长短期记忆网络(LSTM)
2.3.2 卷积长短期记忆网络(ConvLSTM)
2.4 本章小结
第3章 基于时空信息增强的目标跟踪算法
3.1 基于ConvLSTM改进的目标跟踪算法
3.1.1 网络结构
3.1.2 ConvLSTM单元初始化
3.1.3 损失函数定义
3.1.4 训练数据集与训练细节
3.1.5 在线跟踪流程
3.2 实验与分析
3.2.1 实验参数设置
3.2.2 在OTB100数据集上的实验与评估
3.3 本章小结
第4章 基于时空与多尺度信息联合学习的目标跟踪算法
4.1 基于区域生成网络改进的目标跟踪算法
4.1.1 区域生成网络
4.1.2 网络结构
4.1.3 损失函数定义
4.1.4 训练数据集与训练细节
4.1.5 在线跟踪流程
4.2 实验与分析
4.2.1 实验参数设置
4.2.2 在OTB100数据集上的实验与评估
4.3 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
西南交通大学;