期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于孪生网络与证据推理规则的视频目标跟踪
1
作者
蔡明胜
段喜萍
《信息通信》
2020年第12期36-38,43,共4页
卷积神经网络(Convolutional Neural Networks,CNN)已经作为特征提取的方法被广泛用于视频目标跟踪。由于CNN每层卷积特征在给定的视频序列上具有不同响应以及随着层数的增加,提取的特征更为高级和抽象,所以仅使用最高层的卷积特征用于...
卷积神经网络(Convolutional Neural Networks,CNN)已经作为特征提取的方法被广泛用于视频目标跟踪。由于CNN每层卷积特征在给定的视频序列上具有不同响应以及随着层数的增加,提取的特征更为高级和抽象,所以仅使用最高层的卷积特征用于视频跟踪准确率可能大大降低。为解决这一问题,文章在孪生网络的基础上提出基于证据推理规则(Evidential Reasoning Rule,ER Rule)加权位置信息组合方法。描述了基于ER规则组合位置信息的过程,然后构建了位置信息组合模型。通过实际跟踪实验验证了模型的实际效果。
展开更多
关键词
证据
推理
规则
(
er
Rule)
卷积神经网络(CNN)
卷积层特征
目标跟踪
孪生网络
在线阅读
下载PDF
职称材料
题名
基于孪生网络与证据推理规则的视频目标跟踪
1
作者
蔡明胜
段喜萍
机构
哈尔滨师范大学计算机科学与信息工程学院
出处
《信息通信》
2020年第12期36-38,43,共4页
基金
哈尔滨师范大学研究生创新(HSDSSCX2020-59)资助。
文摘
卷积神经网络(Convolutional Neural Networks,CNN)已经作为特征提取的方法被广泛用于视频目标跟踪。由于CNN每层卷积特征在给定的视频序列上具有不同响应以及随着层数的增加,提取的特征更为高级和抽象,所以仅使用最高层的卷积特征用于视频跟踪准确率可能大大降低。为解决这一问题,文章在孪生网络的基础上提出基于证据推理规则(Evidential Reasoning Rule,ER Rule)加权位置信息组合方法。描述了基于ER规则组合位置信息的过程,然后构建了位置信息组合模型。通过实际跟踪实验验证了模型的实际效果。
关键词
证据
推理
规则
(
er
Rule)
卷积神经网络(CNN)
卷积层特征
目标跟踪
孪生网络
Keywords
Evidential Reasoning Rule(
er
Rule)
Convolutional Neural Networks(CNN)
Convolutional features
Visual Tracking
Siamese Network
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于孪生网络与证据推理规则的视频目标跟踪
蔡明胜
段喜萍
《信息通信》
2020
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
