基于深度強化學(xué)習(xí)的目標(biāo)跟蹤方法的研究
發(fā)布時間:2023-04-08 22:08
目標(biāo)跟蹤問題是計算機視覺領(lǐng)域的重要研究課題之一。近幾年深度強化學(xué)習(xí)理論在目標(biāo)跟蹤領(lǐng)域得到了一定的應(yīng)用。本項課題分析了現(xiàn)有目標(biāo)跟蹤方法的幾處不足,包括對于目標(biāo)丟失的檢測與恢復(fù)策略缺乏實驗比較、只能給出與坐標(biāo)軸垂直的目標(biāo)框預(yù)測、以及超參數(shù)需要精細(xì)調(diào)節(jié)且不夠靈活等,并進(jìn)行了相應(yīng)的實驗對比或基于深度強化學(xué)習(xí)理論提出了改進(jìn)方案。實驗表明,本文提出設(shè)計的跟蹤器在魯棒性和精度等指標(biāo)上相比基準(zhǔn)跟蹤器獲得了一定程度的提高。本文主要研究內(nèi)容和貢獻(xiàn)有:(1)比較和分析了傳統(tǒng)目標(biāo)跟蹤方法對于跟蹤過程中目標(biāo)發(fā)生丟失的跟蹤情景的檢測和恢復(fù)機制。結(jié)合TC128數(shù)據(jù)集上的一系列實驗,對于目標(biāo)丟失的檢測問題,通過引入分類問題的評價標(biāo)準(zhǔn),比較了基于相關(guān)性的方法、基于響應(yīng)的APCE方法等方法在檢測丟失上的有效性。對于目標(biāo)丟失的恢復(fù)問題,比較了稠密采樣、高斯分布采樣、RPN網(wǎng)絡(luò)等多種方法的有效性。并對以上方案給出了綜合性分析。(2)分析了傳統(tǒng)目標(biāo)跟蹤方法對于目標(biāo)框旋轉(zhuǎn)問題處理的不足。設(shè)計實現(xiàn)了一種基于強化學(xué)習(xí)的目標(biāo)框旋轉(zhuǎn)角度預(yù)測方法,通過使用PPO強化學(xué)習(xí)算法訓(xùn)練得到了一個動作預(yù)測網(wǎng)絡(luò),其接受視頻幀采樣樣本的輸入,產(chǎn)生目標(biāo)框...
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景與研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于相關(guān)濾波器的方法
1.2.2 基于深度學(xué)習(xí)的方法
1.2.3 基于深度強化學(xué)習(xí)的方法
1.3 本文主要研究內(nèi)容
第2章 目標(biāo)丟失的檢測與恢復(fù)
2.1 模塊化丟失檢測與恢復(fù)算法框架
2.2 目標(biāo)丟失的檢測方法
2.2.1 基于相似性的方法
2.2.2 平均峰值-相關(guān)能量方法
2.2.3 最近鄰距離率方法
2.3 目標(biāo)丟失的恢復(fù)方法
2.3.1 擴大搜索區(qū)域方法
2.3.2 全幀搜索方法
2.3.3 候選區(qū)域生成方法
2.4 實驗比較與分析
2.4.1 實現(xiàn)細(xì)節(jié)與測試數(shù)據(jù)集
2.4.2 丟失檢測方法的比較
2.4.3 丟失恢復(fù)方法的比較
2.5 本章小結(jié)
第3章 基于深度強化學(xué)習(xí)的目標(biāo)框旋轉(zhuǎn)角度預(yù)測方法
3.1 跟蹤框架
3.2 訓(xùn)練數(shù)據(jù)集
3.3 訓(xùn)練方法
3.4 實現(xiàn)細(xì)節(jié)與實驗結(jié)果分析
3.4.1 VOT數(shù)據(jù)集實驗評測
3.4.2 跟蹤視覺效果對比
3.5 本章小結(jié)
第4章 基于深度強化學(xué)習(xí)的超參數(shù)調(diào)整方法
4.1 超參數(shù)對于跟蹤器性能影響實驗
4.2 基于深度強化學(xué)習(xí)的跟蹤器超參數(shù)自適應(yīng)調(diào)整框架
4.3 跟蹤過程
4.4 訓(xùn)練過程
4.4.1 訓(xùn)練數(shù)據(jù)集
4.4.2 訓(xùn)練算法
4.4.3 其它訓(xùn)練策略
4.5 實驗結(jié)果與分析
4.5.1 OTB數(shù)據(jù)集實驗評測
4.5.2 OTB數(shù)據(jù)集基于視頻屬性的實驗評測
4.5.3 獎勵函數(shù)評測
4.5.4 VOT數(shù)據(jù)集實驗評測
4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝
本文編號:3786559
【文章頁數(shù)】:61 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題背景與研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于相關(guān)濾波器的方法
1.2.2 基于深度學(xué)習(xí)的方法
1.2.3 基于深度強化學(xué)習(xí)的方法
1.3 本文主要研究內(nèi)容
第2章 目標(biāo)丟失的檢測與恢復(fù)
2.1 模塊化丟失檢測與恢復(fù)算法框架
2.2 目標(biāo)丟失的檢測方法
2.2.1 基于相似性的方法
2.2.2 平均峰值-相關(guān)能量方法
2.2.3 最近鄰距離率方法
2.3 目標(biāo)丟失的恢復(fù)方法
2.3.1 擴大搜索區(qū)域方法
2.3.2 全幀搜索方法
2.3.3 候選區(qū)域生成方法
2.4 實驗比較與分析
2.4.1 實現(xiàn)細(xì)節(jié)與測試數(shù)據(jù)集
2.4.2 丟失檢測方法的比較
2.4.3 丟失恢復(fù)方法的比較
2.5 本章小結(jié)
第3章 基于深度強化學(xué)習(xí)的目標(biāo)框旋轉(zhuǎn)角度預(yù)測方法
3.1 跟蹤框架
3.2 訓(xùn)練數(shù)據(jù)集
3.3 訓(xùn)練方法
3.4 實現(xiàn)細(xì)節(jié)與實驗結(jié)果分析
3.4.1 VOT數(shù)據(jù)集實驗評測
3.4.2 跟蹤視覺效果對比
3.5 本章小結(jié)
第4章 基于深度強化學(xué)習(xí)的超參數(shù)調(diào)整方法
4.1 超參數(shù)對于跟蹤器性能影響實驗
4.2 基于深度強化學(xué)習(xí)的跟蹤器超參數(shù)自適應(yīng)調(diào)整框架
4.3 跟蹤過程
4.4 訓(xùn)練過程
4.4.1 訓(xùn)練數(shù)據(jù)集
4.4.2 訓(xùn)練算法
4.4.3 其它訓(xùn)練策略
4.5 實驗結(jié)果與分析
4.5.1 OTB數(shù)據(jù)集實驗評測
4.5.2 OTB數(shù)據(jù)集基于視頻屬性的實驗評測
4.5.3 獎勵函數(shù)評測
4.5.4 VOT數(shù)據(jù)集實驗評測
4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝
本文編號:3786559
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3786559.html
最近更新
教材專著