基于孪生神经网络的无人机目标跟踪研究与应用

目录

声明

致谢

1 绪论

1.1 研究背景和意义

1.1.1 无人机与目标跟踪的应用

1.1.2 目标跟踪常见的挑战

1.2 国内外研究现状

1.2.1 传统的目标跟踪算法

1.2.2 基于相关滤波的目标跟踪算法

1.2.3 基于深度学习的目标跟踪算法

1.3 论文内容及组织结构

2 相关基础理论和知识

2.1 单目标跟踪流程

2.2 相关滤波基础理论

2.3 深度学习基础理论

2.3.1 神经网络

2.3.2 卷积神经网络

2.4 相关的数据集

2.5 本章小结

3 基于密集孪生网络的目标跟踪研究

3.1 概述

3.2 孪生网络结构

3.2.1 相似性度量

3.2.2 孪生网络

3.3 基于密集网络的目标跟踪模型

3.3.1 模型框架

3.3.2 密集块和过渡层

3.3.3 共同注意力模块

3.3.4 引入相关滤波

3.4 实验结果与分析

3.4.1 实验评估标准

3.4.2 实验设置

3.4.3 模型训练

3.4.4 结果分析

3.5 本章小结

4 基于双孪生网络的目标跟踪研究

4.1 概述

4.2 基于双孪生网络目标跟踪模型

4.2.1 模型框架

4.2.2 语义分支

4.2.3 注意力模块

4.3 实验结果与分析

4.3.1 数据维度

4.3.2 实验设置

4.3.3 结果分析

4.4 本章小结

5 总结与展望

参考文献

作者简介

学位论文原创性声明

学位论文数据集