ردیابی بصری با شبکه پیوند کاربردی بردار تصادفی کانولوشن + سورس رایگان
پروژه ۲۲۰۳: شبیه سازی مقاله
عنوان مقاله انگلیسی:
Visual Tracking with Convolutional Random Vector
Functional Link Network
چکیده:
روشهای مبتنی برشبکه عصبی عمیق اخیرا درکار ردیابی بصری به عملکرد عالی دست یافته اند. زمانی که نمونه های اموزش بسیار اندکی در کار ردیابی بصری قابل دسترسی هستند، این روشها بر مجموعه داده های کمکی بسیار بزرگ مانند ایمیج نت[۱] مربوط به الگو بسیار تکیه می کنند. انها به منظور تاکید بر تفاوت بین حوزه منبع (داده کمکی) وحوزه هدف(هدف تحت ردیابی) ،باید در طی فرایندهای ردیابی بطور دقیق تنظیم شوند. اما این روشها از حساسیت به ابرپارامترهایی مانند میزان یادگیری، بیشترین تعداد مبدا ها،اندازه دسته های کوچک و…رنج می برند. بنابراین بررسی ضرورت یا عدم ضرورت تنظیم دقیق و وابسته از طریق تکیه معمولی ارزشمند است. ما در این تحقیق این مسیر تحقیق را با پیشنهاد شبکه عصبی پیوند کاربردی بردار تصادفی کانولوشن (CRVFL)، روشن می کنیم که برای ساده سازی سیستم ردیابی بصری، می توان ان را به عنوان اتحاد شبکه عصبی کانولوشن (CNN) وشبکه پیوند کاربردی بردار تصادفی(RVFL) محسوب کرد. این پارامترها در لایه پیچیده بصورت کانولوشن ارزش دهی می شوند وسپس ثابت نگه داشته می شوند. ما یک روش خوب دیگر برای به روز رسانی ردیاب پیشنهاد می کنیم. درمعیار ردیابی بصری که بطور گسترده استفاده می شود و داده کمکی ندارد، یک الگوی CRVFLمجزا ۷۹% با سطح استانه ۲۰پیکسل برای طرح دقت بدست می اید. بعلاوه بهترین نتیجه مجموع بازدهی هایCRVFL بطور مقایسه ای ۸۶٫۳% بدست می اید.
دانلود رایگان:
مجموعه: پردازش تصویر