钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
任务中心
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
自动化技术与计算机技术期刊
\
计算机应用研究期刊
\
改进的卷积网络目标跟踪算法
改进的卷积网络目标跟踪算法
作者:
孙姜燕
张宇博
李刚
申丹
原文服务方:
计算机应用研究
目标跟踪
卷积网络
深度学习
摘要:
在目标跟踪算法中深度网络可以对大量图像进行训练和表示,但是对于特定的跟踪对象,离线训练不仅费时,而且在对大量图像进行学习时,其表示和识别能力效果不佳.基于以上问题提出有模板更新的卷积网络跟踪算法,可以在没有离线训练的大量数据时,也能够利用实现强大的目标跟踪能力.在目标跟踪中,从目标周围区域提取一组归一化的局部小区域块作为新的滤波器,围绕目标定义下一帧中的一组特征映射来提取自适应滤波器周围目标,对随后帧提取的归一化样本进行卷积操作生成一组特征图;利用这些特征图获取每个滤波器和目标的局部强度衍射图样之间的相似性,然后对其局部结构信息进行编码;最后,使用来自全局表示的特征图保存该目标的内部几何设计,再通过软收缩方法去噪抑制噪声值,使其低于自适应阈值,生成目标的稀疏表示.有模板更新改进的CNT算法能稳定地跟踪目标,不会发生严重漂移,具有优于传统CNT的良好跟踪效果.
下载原文
收藏
引用
分享
推荐文章
结合高斯核函数的卷积 神经网络跟踪算法
视觉跟踪
卷积神经网络
高斯核函数
粒子滤波
基于卷积神经网络多层特征融合的目标跟踪
目标跟踪
特征融合
特征表达
目标定位
卷积神经网络
回归模型
基于改进的TLD目标跟踪算法
TLD算法
ViBe算法
SIFT特征匹配算法
跟踪漂移
一种改进的CAMShift目标跟踪算法
目标跟踪
CAMShift算法
颜色概率分布
运动目标
内容分析
文献信息
版权信息
引文网络
相关学者/机构
相关基金
期刊文献
内容分析
关键词云
关键词热度
相关文献总数
(/次)
(/年)
文献信息
篇名
改进的卷积网络目标跟踪算法
来源期刊
计算机应用研究
学科
关键词
目标跟踪
卷积网络
深度学习
年,卷(期)
2020,(7)
所属期刊栏目
图形图像技术
研究方向
页码范围
2206-2209
页数
4页
分类号
TP391.41
字数
语种
中文
DOI
10.19734/j.issn.1001-3695.2019.01.0028
五维指标
作者信息
序号
姓名
单位
发文数
被引次数
H指数
G指数
1
孙姜燕
西安外事学院工学院
17
53
5.0
7.0
2
李刚
长安大学电子与控制工程学院
36
182
8.0
12.0
3
张宇博
长安大学电子与控制工程学院
1
0
0.0
0.0
4
申丹
西安石油大学电子工程学院
2
1
1.0
1.0
传播情况
被引次数趋势
(/次)
(/年)
版权信息
全文
全文.pdf
引文网络
引文网络
二级参考文献
(22)
共引文献
(2)
参考文献
(6)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
2002(1)
参考文献(0)
二级参考文献(1)
2005(1)
参考文献(0)
二级参考文献(1)
2007(2)
参考文献(0)
二级参考文献(2)
2008(2)
参考文献(0)
二级参考文献(2)
2009(4)
参考文献(0)
二级参考文献(4)
2010(2)
参考文献(0)
二级参考文献(2)
2011(3)
参考文献(0)
二级参考文献(3)
2012(1)
参考文献(0)
二级参考文献(1)
2013(1)
参考文献(0)
二级参考文献(1)
2014(3)
参考文献(0)
二级参考文献(3)
2015(4)
参考文献(3)
二级参考文献(1)
2016(1)
参考文献(0)
二级参考文献(1)
2017(3)
参考文献(3)
二级参考文献(0)
2020(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
研究主题发展历程
节点文献
目标跟踪
卷积网络
深度学习
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
主办单位:
四川省计算机研究院
出版周期:
月刊
ISSN:
1001-3695
CN:
51-1196/TP
开本:
大16开
出版地:
邮发代号:
创刊时间:
1984-01-01
语种:
chi
出版文献量(篇)
21004
总下载数(次)
0
期刊文献
相关文献
1.
结合高斯核函数的卷积 神经网络跟踪算法
2.
基于卷积神经网络多层特征融合的目标跟踪
3.
基于改进的TLD目标跟踪算法
4.
一种改进的CAMShift目标跟踪算法
5.
多目标跟踪数据关联及其改进算法
6.
基于CamShift和Kalman组合的改进目标跟踪算法
7.
基于轻量化神经网络的目标识别跟踪算法研究
8.
基于改进Mean Shift视频目标跟踪算法的研究
9.
改进Viterbi算法在机动目标跟踪中的应用
10.
基于改进Camshift的无人机目标跟踪算法研究
11.
基于卷积神经网络的目标跟踪算法综述
12.
基于改进的卷积神经网络的人脸识别算法
13.
改进混合高斯模型的运动目标检测与跟踪算法
14.
改进UKF算法及其目标跟踪性能研究
15.
改进的核相关滤波目标跟踪算法
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
任务中心
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
计算机应用研究2000
计算机应用研究2001
计算机应用研究2002
计算机应用研究2003
计算机应用研究2004
计算机应用研究2005
计算机应用研究2006
计算机应用研究2007
计算机应用研究2008
计算机应用研究2009
计算机应用研究2010
计算机应用研究2011
计算机应用研究2012
计算机应用研究2013
计算机应用研究2014
计算机应用研究2015
计算机应用研究2016
计算机应用研究2017
计算机应用研究2018
计算机应用研究2019
计算机应用研究2020
计算机应用研究2022
计算机应用研究2020年第2期
计算机应用研究2020年第6期
计算机应用研究2020年第5期
计算机应用研究2020年第3期
计算机应用研究2020年第4期
计算机应用研究2020年第1期
计算机应用研究2020年第7期
计算机应用研究2020年第8期
计算机应用研究2020年第9期
计算机应用研究2020年第11期
计算机应用研究2020年第10期
计算机应用研究2020年第12期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号