共 6 条
- [6] Modeling and Propagating CNNs in a Tree Structure for Visual Tracking .2 Hyeonseob N,Mooyeol B,Bohyung H. . 2016
基于深度学习的飞机目标跟踪应用研究
被引：16
作者：
赵春梅
[1
,2
]
陈忠碧
[1
]
张建林
[1
]
机构：
[1] 中国科学院光电技术研究所
[2] 中国科学院大学
来源：
关键词：
FDLAT;
迁移学习;
飞机目标;
鲁棒跟踪;
实时跟踪;
D O I：
暂无
中图分类号：
V35 [航空港（站）、机场及其技术管理];
E91 [军事技术基础科学];
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
本文针对飞机目标,提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络,使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层,全连接层作为目标和背景的分类层,采用特定的飞机数据集来更新网络参数。训练完成之后,结合回归模型,采用简单的线性更新对飞机进行跟踪,算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪,速度达到平均20.36 f/s,在ILSVRC2015飞机检测数据集上成功率均值达到0.592,基本满足飞机实时跟踪。
引用
收藏
页码：3 / 12
页数：10
相关论文