基于图形显著性检测的残差网络特征融合跟踪算法
文献类型：期刊论文
| 作者 | 金潓[1,2]; 李新阳[1] |
| 刊名 | 激光与光电子学进展
 |
| 出版日期 | 2020-09-10 |
| 卷号 | 57期号:18页码:181025-1-8 |
| 关键词 | [4790047]目标跟踪 残差神经网络 特征融合 基于图形的视觉显著性检测算法 |
| ISSN号 | 1006-4125 |
| DOI | 10.3788/LOP57.181025 |
| 文献子类 | 期刊论文 |
| 英文摘要 | 目标的特征表达是目标跟踪过程的关键,人工特征相对简单,实时性强,但表征能力不足,在处理快速变化和目标遮挡相关问题时,容易产生跟踪漂移。深度神经网络(DNN)在目标检测和识别任务中的强特征表达能力,使DNN逐渐成为特征提取工具。采用更深层的残差神经网络(ResNet)替代VGG-19网络作为特征提取工具,首先将ResNet-50中的特殊附加层结构和卷积层特征进行融合,得到鲁棒性更强的目标表征特征。然后对特征进行相关滤波操作,根据最大响应值确定目标位置。最后,为扩展算法在局部目标跟踪领域的应用场景,采用基于图形的视觉显著性检测算法提高局部目标的权重值,抑制背景信息,以提升特征层的目标表征能力。 |
| URL标识 | 查看原文 |
| 语种 | 中文 |
| 源URL | [http://ir.ioe.ac.cn/handle/181551/10013]  |
| 专题 | 光电技术研究所_自适应光学技术研究室（八室） |
| 作者单位 | 1.中国科学院光电技术研究所自适应光学重点实验室,成都四川610209 2.中国科学院大学,北京100049 |
| 推荐引用方式 GB/T 7714 | 金潓[1,2],李新阳[1]. 基于图形显著性检测的残差网络特征融合跟踪算法[J]. 激光与光电子学进展,2020,57(18):181025-1-8. |
| APA | 金潓[1,2],&李新阳[1].(2020).基于图形显著性检测的残差网络特征融合跟踪算法.激光与光电子学进展,57(18),181025-1-8. |
| MLA | 金潓[1,2],et al."基于图形显著性检测的残差网络特征融合跟踪算法".激光与光电子学进展 57.18(2020):181025-1-8. |
入库方式： OAI收割
来源：光电技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。