|
|
|
|
基于视频的目标精细轮廓跟踪算法的研究与实现 |
| |
| 论文目录 |
| |
| 摘要 | 第5-6页 | | abstract | 第6页 | | 第一章 绪论 | 第9-14页 | | 1.1 研究背景及意义 | 第9-10页 | | 1.2 目标跟踪的发展现状 | 第10-12页 | | 1.3 本文主要研究内容及创新 | 第12-13页 | | 1.3.1 本文主要研究内容 | 第12页 | | 1.3.2 本文主要创新点 | 第12-13页 | | 1.4 本论文的结构安排 | 第13-14页 | | 第二章 稀疏低秩分解引导的相似性度量 | 第14-36页 | | 2.1 稀疏低秩分解的原理及应用 | 第15-18页 | | 2.1.1 稀疏分解引导的相似性度量 | 第15-17页 | | 2.1.2 低秩矩阵的恢复 | 第17-18页 | | 2.2 超像素分割 | 第18-19页 | | 2.3 特征提取 | 第19-21页 | | 2.4 稀疏低秩分解引导的相似性度量模型 | 第21-23页 | | 2.5 稀疏低秩引导的相似性度量模型的求解 | 第23-32页 | | 2.5.1 对Z变量的迭代优化 | 第25-27页 | | 2.5.2 对W变量和E变量的迭代优化 | 第27-29页 | | 2.5.3 对Y1变量和Y2变量的迭代优化 | 第29页 | | 2.5.4 稀疏低秩引导的相似性度量模型的求解结果 | 第29-32页 | | 2.6 稀疏和低秩约束条件的作用分析 | 第32-35页 | | 2.6.1 稀疏约束的作用 | 第32-34页 | | 2.6.2 低秩约束的作用 | 第34-35页 | | 2.7 本章小结 | 第35-36页 | | 第三章 基于超像素相似性的目标轮廓跟踪方法 | 第36-53页 | | 3.1 显著性特征目标概率图 | 第36-38页 | | 3.2 表观特征目标概率图 | 第38-39页 | | 3.3 基于条件随机场的目标分割 | 第39-43页 | | 3.3.1 基于条件随机场的分割模型 | 第40-41页 | | 3.3.2 一元能量函数权重的动态调整 | 第41-43页 | | 3.4 模板集的更新 | 第43-45页 | | 3.5 实验与分析 | 第45-52页 | | 3.5.1 overlap ratio指标的评估 | 第46-48页 | | 3.5.2 intersection-over-union ratio指标的评估 | 第48页 | | 3.5.3 average number of errors per image指标的评估 | 第48-49页 | | 3.5.4 目标有遮挡时的跟踪效果 | 第49-50页 | | 3.5.5 目标尺度变化时的跟踪效果 | 第50-51页 | | 3.5.6 算法实时性分析 | 第51-52页 | | 3.6 本章小结 | 第52-53页 | | 第四章 深度卷积神经网络特征与多目标轮廓跟踪 | 第53-66页 | | 4.1 VGGNet网络 | 第53-56页 | | 4.2 特征的选择 | 第56-58页 | | 4.3 基于CNN特征的稀疏低秩分解引导的相似性度量 | 第58-61页 | | 4.4 基于CNN特征稀疏低秩分解引导的相似性度量的目标轮廓跟踪 | 第61-63页 | | 4.5 多目标轮廓跟踪 | 第63-65页 | | 4.6 本章小结 | 第65-66页 | | 第五章 目标精细轮廓跟踪系统的实现 | 第66-70页 | | 5.1 初始目标轮廓的获取 | 第66-68页 | | 5.1.1 One Cut算法 | 第66-67页 | | 5.1.2 交互式目标轮廓分割 | 第67-68页 | | 5.2 目标轮廓跟踪系统的设计 | 第68-69页 | | 5.3 本章小结 | 第69-70页 | | 第六章 总结与展望 | 第70-72页 | | 6.1 总结 | 第70-71页 | | 6.2 展望 | 第71-72页 | | 致谢 | 第72-73页 | | 参考文献 | 第73-80页 | | 攻读硕士期间取得的成果 | 第80-81页 |
|
|
|
|
论文编号BS2493391，这篇论文共81页
会员购买按0.35元/页下载，共需支付28.35元。 直接购买按0.5元/页下载，共需要支付40.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务