论文部分内容阅读
利用卷积神经网络(CNN)强大的特征学习能力,提出了一种基于卷积神经网络的实时跟踪算法。通过对双通道卷积神经网络进行离线训练,学习相邻两帧之间的差异,得到跟踪目标的表观特征与运动之间的普遍规律。在不需要对网络模型在线更新的情况下,直接通过网络回归得到对目标的位置和对应置信度的预测。在VOT2014数据集中进行实验,结果表明:提出的跟踪算法的性能达到了当前领先水平。同时,跟踪算法的运行速度可以达到90帧/s,表现出非常不错的实时性。