TensorFlow平台下的视频目标跟踪深度学习模型设计

发布时间：2018-05-11 21:00

  本文选题：机器视觉 + TensorFlow　； 参考：《激光与光电子学进展》2017年09期

【摘要】：训练模型复杂且训练集庞大导致深度学习的发展受到严重阻碍。使用Google最新开源的TensorFlow软件平台搭建了用于视频目标跟踪的深度学习模型。介绍了深度学习的原理和TensorFlow的平台特性,提出了使用TensorFlow软件平台设计的深度学习模型框架结构,并使用VOT2015标准数据集中的数据设计了相应的实验。经实验验证,该模型具有较高的计算效率和识别精度,并可便捷地调整网络结构,快速找到最优化模型,很好地完成视频目标识别跟踪任务。
[Abstract]:The complex training model and the huge training set seriously hinder the development of deep learning. A deep learning model for video target tracking is built using Google's latest open source TensorFlow software platform. This paper introduces the principle of deep learning and the platform characteristic of TensorFlow, and puts forward the frame structure of depth learning model designed with TensorFlow software platform, and designs the corresponding experiment using the data of VOT2015 standard data set. The experimental results show that the model has high computational efficiency and recognition accuracy, and can easily adjust the network structure, find the optimization model quickly, and complete the task of video target recognition and tracking.
【作者单位】： 中国人民解放军军械工程学院四系;
【分类号】：TP391.41

【相似文献】

相关期刊论文 前7条

1 单鑫;高月芳;;基于动物视频的跟踪算法评估与分析[J];现代计算机(专业版);2014年18期

2 周安;蒋辉;余晋刚;田金文;;基于字典学习的实时运动目标跟踪算法[J];战术导弹技术;2014年04期

3 吴韬;曹洁;;基于动态多特征融合策略的粒子滤波跟踪算法研究[J];自动化与仪器仪表;2014年04期

4 潘琢金;张恒彬;杨华;毛艳娥;;IMM目标跟踪算法在DSP上的优化与实现[J];计算机工程与设计;2014年06期

5 李方敏;姜娜;熊迹;张景源;;融合热释电红外传感器与视频监控器的多目标跟踪算法[J];电子学报;2014年04期

6 张巧荣;张慧娟;;基于视觉注意机制的目标跟踪方法[J];计算机工程与科学;2014年08期

7 江晓莲;李翠华;李雄宗;;基于视觉显著性的两阶段采样突变目标跟踪算法[J];自动化学报;2014年06期

相关硕士学位论文 前3条

1 郑午辰;基于移动设备交互式系统的设计与实现[D];电子科技大学;2015年

2 王强;基于视频序列的运动目标跟踪方法研究[D];北京理工大学;2015年

3 孙景伟;基于多特征结合的压缩跟踪[D];广西师范大学;2015年

，

本文编号：1875580