典型文献
基于DiMP模型迁移重组的RGBD目标跟踪
文献摘要：
深度图可以提供运动目标所处的三维空间结构信息,因此可以用来提升跟踪性能.但目前缺少基于RGBD的目标跟踪数据集,无法直接训练RGBD输入下的深度学习跟踪器.对此,提出了一种基于知识对齐的模型迁移重组算法,可以方便地将在其他RGBD任务上训练得到的模型迁移到基于DiMP的跟踪算法上来,并且对于不同的跟踪对象不需要重新计算迁移参数.另外,针对深度图信息不稳定的问题,提出了一种高效的平滑稳定算法.在VOTRGBD数据集上的实验结果表明,迁移融合后的特征可以显著提升目标和背景之间的判别性,有效提升跟踪器的性能.
文献关键词：
模型迁移;深度信息;信息融合;目标跟踪
中图分类号：
作者姓名：
邱守猛;谷宇章;袁泽强
作者机构：
中国科学院 上海微系统与信息技术研究所 仿生视觉系统实验室,上海 200050;中国科学院大学,北京 100049
文献出处：
引用格式：
[1]邱守猛;谷宇章;袁泽强-.基于DiMP模型迁移重组的RGBD目标跟踪)[J].计算机工程与应用,2022(20):181-187
A类：
VOTRGBD
B类：
DiMP,模型迁移,深度图,运动目标,三维空间,空间结构信息,跟踪性能,目标跟踪数据集,跟踪器,基于知识,知识对齐,以方,练得,跟踪算法,计算迁移,图信息,提升目标,判别性,深度信息,信息融合
AB值：
0.394899
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
