您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201804-158
论文题目 基于L2正则化最小二乘法与卷机网络的目标跟踪算法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

Object Tracking Algorithm Based on and L2-regularization Least Square and Convolutional Networks

首发时间:2018-04-16

ZHOU Fei 1   

Zhou Fei(1977-),Male,Professor,Major in Wireless Positioning,Communication Signal Processing,Information Security and Image Processing.

XUE Bin AN Kangning GAO Jianjun
  • 1、Chongqing Key Laboratory of Optical Communication and Networks, Chongqing University of Posts and Telecommunications, Chongqing, 400065, China

Abstract:Object tracking is a hot and difficult research topic in computer vision. In this paper, we propose a object tracking algorithm based on L2 regularization least squares method and convolution network under the particle filter framework. Firstly, the extent of occlusion can be evaluated by L2 tracker. Secondly, convolutional networks is used to locate the target object if the extent of occlusion satisfies two inequality constraints. In order to make convolutional networks suitable for tracking tasks with high real-time requirements, this thesis uses a simple two-layer convolutional networks to represent the targets robustly. Finally, most of the insignificant samples are removed before applying convolutional networks, which reduces the complexity of the algorithm. The experimental results on numerous challenging image sequences show that the proposed method is more robust and stable than L2 tracker when the target object undergoes dramatic appearance changes such as pose variation or rotation and is superior in accuracy to other classical tracking algorithms.

keywords: Object tracking Particle filter L2-regularization Convolution network

点击查看论文中文信息

基于L2正则化最小二乘法与卷机网络的目标跟踪算法

周非 1   

Zhou Fei(1977-),Male,Professor,Major in Wireless Positioning,Communication Signal Processing,Information Security and Image Processing.

薛斌 安康宁 高建军
  • 1、重庆邮电大学光通信与网络重点实验室,重庆,400065

摘要:目标跟踪是计算机视觉领域中的一个热门而又困难的研究课题,本文在粒子滤波框架下提出基于L2正则化最小二乘法和卷机网络的目标跟踪算法。首先,每一帧的遮挡率由L2跟踪算法来评估;其次,如果遮挡率满足两个不等式约束,则用卷机网络来对跟踪目标进行修正。为了使卷机网络适用于实时性较高的跟踪任务,本文采用简单的两层卷积网络来对目标进行稳健性表示。最后,在应用卷机网络求取样本的特征图时,大部分不重要的样本被去除,这使得算法的复杂度降低。在许多具有挑战性的测试视频上的测试结果表明,当目标发生旋转或姿态变化等剧烈的外观变化时,所提出的算法比L2跟踪算法鲁棒性更强,并且在精度方面优于其他经典跟踪算法。

关键词: 目标跟踪 粒子滤波 L2正则化 卷积网络

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
ZHOU Fei,XUE Bin,AN Kangning,et al. Object Tracking Algorithm Based on and L2-regularization Least Square and Convolutional Networks[EB/OL]. Beijing:Sciencepaper Online[2018-04-16]. http://www.paper.edu.cn/releasepaper/content/201804-158.

No.****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于L2正则化最小二乘法与卷机网络的目标跟踪算法