-
公开(公告)号：CN110097577A
公开(公告)日：2019-08-06
申请号：CN201910370659.9
申请日：2019-05-06
Applicant: 江南大学
IPC: G06T7/246
Abstract: 本发明提供一种基于深度学习的半离线深度目标追踪方法，在用于目标追踪时，可以避免因为在线更新中的假样本而导致目标追踪失败的问题发生，且可以提高目标追踪识别的性能。其包括：S1构建追踪器网络模型，基于MDNet构建追踪器网络模型的共享层的结构；还包括特定域层，特定域层包括依次连接的Dropout层、全连接层、分类函数；共享层中最后一个全连接层输出的特征图经过激活函数处理后输入到特定域层；S2选择训练集，得到训练好的追踪器网络模型；S3从视频中获取待追踪特征序列，输入到训练好的追踪器网络模型中，进行后续的目标追踪操作，在目标追踪操作开始之前通过待追踪特征序列中的首帧上采集的样本对特定域层进行训练，定义特定域层的网络权重。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
