国内基于深度学习的目标跟踪研究知识图谱分析

发布时间：2022-02-15 04:10

　　【目的/意义】基于深度学习的目标跟踪研究在国内研究热潮的迅速高涨,吸引了多位来自计算机视觉领域学者产出丰硕的成果,知识图谱能直观地揭示该领域的研究概况与前沿。【方法/过程】利用CiteSpace分析软件,以中国知网引文索引（CNKI）数据库为数据源,搜集基于深度学习的目标跟踪研究相关文献数据。从时空分布、机构与作者分布、关键词频度共现、研究趋势变化时序图谱等方面,绘制知识图谱,梳理研究脉络,揭示国内基于深度学习对目标跟踪的研究现状与发展方向。【结果/结论】以客观数据和图谱为依据,对基于深度学习对目标跟踪的研究发展进行分析和总结,同时提出相关建议,为该领域的后续研究提供参考。 

【文章来源】：情报科学. 2020,38(06)北大核心CSSCI

【文章页数】：5 页

【部分图文】：

基于深度学习的目标跟踪研究文献量变化趋势

考察基于深度学习对目标跟踪研究的机构分布情况，从检索到全部文献包含的作者人数，根据文献计量学中关于高产作者定律，选取发文10篇以上的统计结果如图2所示，其中100%来自于国内各大院校，其中哈尔滨工业大学、电子科技大学以及北京邮电大学产量最高，这三所院校也是在该领域研究基础雄厚、人才较多的院校；西安电子科技大学、华南理工大学以及南京航空航天大学发表的论文数量次之；但是同检索出来的论文总数量相比，每个院校所占权重均较低，表明在该方向的研究中各院校实力较为分散，如果能够产生更多的合作，那么合作组织的研究实力就会更为突出。（2）发表论文的作者分布

为了更好的考察基于深度学习对目标跟踪研究领域多位作者之间的合作情況，本文中设置TopN=30,Top N%=15,C/CC/CCV三个阈值（2,2,20)(4,3,20)(4,3,20），生成基于深度学习对目标跟踪研究的机构合作图谱，如图3所示。其中字体的大小表示了中心度，节点环表示年度，多个边表示相关合作。结果显示，N=103,E=45,Density=0.0073，考虑到参与相关基于深度学习对目标跟踪研究的机构数量较多以及团队内部的合作常态性等原因，该网络密度处于较低的水平，表明国内基于深度学习对目标跟踪研究的组合相对较分散。如果进一步检索可以发现，作者之间的合作一般限于地域以及本机构内部，未能有效的形成具有非常强劲凝聚力的科研群体。4 研究内容知识图谱及其分析


本文编号：3625887