基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在计算机视觉领域中,卷积神经网络发挥着越来越重要的作用.在海量数据的驱动下,深度学习表现出了比传统方法更为优越的特征表达能力.基于孪生网络的目标跟踪算法由于准确性和实时性等优点,相关研究受到越来越多的重视.本文首先阐述了计算机视觉的研究意义,着重介绍了几种基于孪生网络的目标跟踪算法,最后总结了这些算法的优点以及未来的研究方向.
推荐文章
基于孪生网络结构的目标跟踪算法综述
目标跟踪
孪生网络
深度学习
结合掩膜与孪生网络的目标跟踪方法研究
舰船目标
目标跟踪
孪生网络
目标分割
中心误差
结合深度轮廓特征的改进孪生网络跟踪算法
目标跟踪
深度学习
孪生网络
轮廓检测网络
目标检测
自适应模板更新
一种基于孪生网络的舰船目标跟踪方法
孪生网络
目标跟踪
舰船目标
SiameseNet
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 孪生网络目标跟踪算法
来源期刊 福建电脑 学科 工学
关键词 深度学习 孪生网络 目标跟踪
年,卷(期) 2021,(2) 所属期刊栏目 研究与探讨
研究方向 页码范围 85-86
页数 2页 分类号 TP391
字数 语种 中文
DOI 10.16707/j.cnki.fjpc.2021.02.026
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (51)
共引文献  (7)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(2)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(7)
  • 参考文献(1)
  • 二级参考文献(6)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2021(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
深度学习
孪生网络
目标跟踪
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
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
总被引数(次)
44699
论文1v1指导