ردیابی ویژه موقعیت عمیق + کد متلب رایگان
پروژه ۲۲۰۶: شبیه سازی مقاله
عنوان مقاله انگلیسی:
Deep Location-Specific Tracking
چکیده:
روشهای مبتنی بر شبکه های عصبی پیچشی (CNN) دستاوردهای عملکرد قابل توجه در مساله ردیابی بصری را در سالهای اخیر نشان داده اند.با توجه به تغییرات نامعلوم اهداف انلاین از قبیل حرکت ناگهانی،نامنظم بودن پس زمینه و تغییر شکل زیاد،ردیابی بصری هنوز کاری چالش برانگیز است.ما الگوریتم جدیدی بنام ردیابی ویژه موقعیت عمیق را پیشنهاد می کنیم که مساله ردیابی را به شکل یک کار بومی سازی و طبقه بندی تجزیه می کند وبرای هر کار یک شبکه مجزا اموزش می دهد.شبکه بومی سازی از اطلاعات در قالب کنونی استفاده می کند وموقعیت خاصی را برای بهبود احتمال ردیابی موفق ارائه می کند. درحالیکه شبکه طبقه بندی از میان بسیاری از نمونه های ایجاد شده در اطراف موقعیت هدف در قالب قبل، همچنین از نمونه براورد شده از شبکه بومی سازی در موقعیت کنونی، هدف را پیدا می کند.ردیابهای CNN تعداد زیادی پارامترقابل اموزش دارند وبرای تناسب بالا با برخی حالتهای خاص هدف استعداد دارند که نتیجه ان دقت کمتر یا ردیابی غلط است.ما با اموزش یک شبکه طبقه بندی مبتنی بر پیچیدگی ۱در۱ و ادغام میانگین جهانی بر این مساله تاکید می کنیم.نتایج تجربی گسترده درمورد مجموعه داده های معیار معروف نشان می دهند که ردیاب پیشنهادی نتایج رقابتی را بدون استفاده از ویدیوهای ردیابی اضافه برای تنظیم خوب بدست می اورد.
دانلود رایگان :
مجموعه: پردازش تصویر