首页|基于正则化卷积神经网络的目标跟踪算法

基于正则化卷积神经网络的目标跟踪算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了提高目标物体的跟踪鲁棒性和稳定性，文中将L2正则化最小二乘法和卷积神经网络(CNN)相互结合，提出了一种基于正则化卷积神经网络的目标跟踪算法。通过L2跟踪器来评估目标无题被遮挡的程度，利用两层CNN对目标进行目标表示，去除了大部分无关样本，降低了算法的复杂度。实验结果表明，当目标物体发生姿态变化或旋转等剧烈的外观变化时，所提算法具有较强的鲁棒性和稳定性，并且比其他经典的跟踪算法具有更高的精度。
Target tracking algorithm based on regularized convolution neural network

张海波

展开 >

陕西学前师范学院,西安710100

目标跟踪 正则化 卷积神经网络 滤波器

2019

信息技术
黑龙江省信息技术学会 中国电子信息产业发展研究院　中国信息产业部电子信息中心

信息技术

CSTPCD
影响因子：0.413
ISSN：1009-2552
年,卷(期)：2019.(6)
  • 4
  • 19