论文部分内容阅读
为了在目标跟踪任务中利用循环神经网络善于处理时间序列的能力,提高跟踪效果,文中针对单目标非特定物体的跟踪提出了主要基于"卷积+循环"的深度神经网络框架。框架中采用卷积神经网络提取不同层级特征、全连接网络进行特征对比,并采用循环神经网络传递物体特征和运动信息。实验方法为"离线训练+在线跟踪"。训练时为了更快收敛,将卷积层预训练权重滞后更新,并逐步增加视频长度;在线跟踪时仅更新循环神经网络间传递的隐藏状态,这样既更新了目标特征,也保证了算法的跟踪速度。最终实验结果表明,基于"卷积+循环"网络的目标跟踪器