基于Siamese 网络的视频目标跟踪研究任务书

 2021-12-21 21:11:20

全文总字数:1128字

1. 毕业设计(论文)主要内容:

孪生网络架构作为近期深度学习应用在目标跟踪领域的一个代表,该方法利用数据驱动的方式进行离线训练,通过比较样本间的相似度学习,可有效区分目标与背景。

在线过程中,其全卷积的架构可以快速在线运行,是首个可以实时运行的深度学习目标跟踪算法。

2. 毕业设计(论文)主要任务及要求

1. 学习目标跟踪的基本知识;2. 学习Siamese网络在视频目标跟踪的应用;3. 实现基于Siamese网络的一种视频目标跟踪算法;4. 查阅参考文献15篇以上(其中近五年外文文献不少于3篇);5. 完成不少于12000字的毕业论文撰写并完成答辩的相关工作;6. 完成不低于5000汉字(20000英文印刷符)的教师指定的相关文献的英译汉翻译;7. 完成不少于12幅图设计(包括:电路原理图、流程图、结构框图、程序框图等)。

3. 毕业设计(论文)完成任务的计划与安排

1. 第1-3周 完成题目调研,完成文献阅读,进行相关资料的收集,完成文献综述以及开题报告撰写;2. 第4-5周 完成论文开题;3. 第6-12周 撰写论文初稿;4. 第13-15周 测试程序的实际显示效果,并针对使用过程出现的问题进行优化,完成论文修改并提交。

5. 第16周 答辩。

4. 主要参考文献

[1] David S. Bolme, J. Ross Beveridge, Bruce A. Draper, Yui Man Lui. "Visual Object Tracking using Adaptive Correlation Filters." ICCV 2010.[2] Anfeng He,Chong Luo,Xinmei Tian,Wenjun Zeng. "A Twofold Siamese Network for Real-Time Object Tracking". CVPR 2018.[3] Bo Li, Junjie Yan, Wei Wu at el. "High-Performance Visual Tracking with Siamese Region Proposal Network" CVPR 2018.[4] Luca Bertinetto, Jack Valmadre, Joao F. Henriques, at el. "Fully-Convolutional Siamese Networks for Object Tracking." ECCV workshop 2016.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

发小红书推广免费获取该资料资格。点击链接进入获取推广文案即可: Ai一键组稿 | 降AI率 | 降重复率 | 论文一键排版