亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        對于利用孿生網(wǎng)絡(luò)的深度學(xué)習(xí)目標(biāo)跟蹤算法思考

        2022-03-27 23:00:47宋錚
        中國新通信 2022年1期
        關(guān)鍵詞:深度學(xué)習(xí)

        【摘要】? ? 孿生網(wǎng)絡(luò)屬于卷積神經(jīng)網(wǎng)絡(luò)的一種,其能夠良好的解決圖像之間相似性的問題,將其應(yīng)用于深度學(xué)習(xí)目標(biāo)跟蹤算法當(dāng)中,能夠?qū)崿F(xiàn)離線訓(xùn)練確定跟蹤目標(biāo)、在線監(jiān)督跟蹤目標(biāo),從而達(dá)到實(shí)時(shí)跟蹤目標(biāo)的目的。基于此,本文主要研究利用孿生網(wǎng)絡(luò)的深度學(xué)習(xí)目標(biāo)跟蹤算法,首先概述了孿生網(wǎng)絡(luò)、深度學(xué)習(xí)及目標(biāo)跟蹤的相關(guān)理論為全文奠定堅(jiān)實(shí)的理論基礎(chǔ),隨后開展了對在深度學(xué)習(xí)目標(biāo)跟蹤算法中合理利用孿生網(wǎng)絡(luò)的有效方法,并對其效果進(jìn)行了簡單的分析,希望對相關(guān)人員有所啟示。

        【關(guān)鍵詞】? ? 孿生網(wǎng)絡(luò)? ? 深度學(xué)習(xí)? ? 目標(biāo)跟蹤算法? ? 卷積神經(jīng)網(wǎng)絡(luò)

        引言:

        深度學(xué)習(xí)算法是目前國內(nèi)各個(gè)領(lǐng)域中被廣泛應(yīng)用的一種信息識別、分類、檢測的方法,而近年來,伴隨著我國計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)的發(fā)展,“智慧城市”的建設(shè)進(jìn)程不斷加快,我國計(jì)算機(jī)領(lǐng)域也得到了快速的發(fā)展,現(xiàn)階段,在我國計(jì)算機(jī)領(lǐng)域中,目標(biāo)跟蹤任務(wù)已經(jīng)成為了重要領(lǐng)域,其在民用、軍用等方面具備十分重要的應(yīng)用價(jià)值,而基于孿生網(wǎng)絡(luò)的深度學(xué)習(xí)目標(biāo)跟蹤算法能夠利用構(gòu)建相關(guān)神經(jīng)網(wǎng)絡(luò)模型幫助精準(zhǔn)定位目標(biāo)并實(shí)現(xiàn)實(shí)時(shí)跟蹤目標(biāo),實(shí)現(xiàn)深度學(xué)習(xí)目標(biāo)跟蹤的進(jìn)一步優(yōu)化。

        一、孿生網(wǎng)絡(luò)

        孿生網(wǎng)絡(luò)又稱為雙通道網(wǎng)絡(luò),其是一種神經(jīng)網(wǎng)絡(luò),其最大的優(yōu)勢便在于能夠很好的處理相似信息較多的文本信息或圖形信息。在進(jìn)行數(shù)據(jù)處理的過程中,孿生網(wǎng)絡(luò)可降低相關(guān)數(shù)據(jù)信息的維度,通過降低維度來衡量兩個(gè)樣本的相似性,從而跟進(jìn)一步提升數(shù)據(jù)信息分析的準(zhǔn)確定。孿生網(wǎng)絡(luò)中主要包括計(jì)算機(jī)視覺與自然語言處理的神經(jīng)網(wǎng)絡(luò),其存在兩個(gè)分支結(jié)構(gòu),且這兩個(gè)分支結(jié)構(gòu)與參數(shù)均相同,利用這兩個(gè)分支結(jié)構(gòu)分別對樣本信息進(jìn)行分析,從而挖掘兩個(gè)樣本類屬性關(guān)系。

        總體而言,孿生網(wǎng)絡(luò)的構(gòu)架基礎(chǔ)便是卷積神經(jīng)網(wǎng)絡(luò),卷積神經(jīng)網(wǎng)絡(luò)是生物學(xué)家通過對貓視網(wǎng)膜的研究而提出的,當(dāng)視網(wǎng)膜某一區(qū)域接收到光學(xué)信號后,會在該區(qū)域內(nèi)朝著特定的方向做出傳輸反應(yīng),從而促使信號迅速的被傳遞,再經(jīng)過腦部視覺信息處理后,形成圖像。卷積神經(jīng)網(wǎng)絡(luò)的建模主要是模仿動(dòng)物視網(wǎng)膜傳輸視覺信號的過程,并將視覺信號傳遞給下一個(gè)層次結(jié)構(gòu)組織的神經(jīng)網(wǎng)絡(luò),并在深度學(xué)習(xí)網(wǎng)絡(luò)中進(jìn)行視覺信息的處理,從而使得網(wǎng)絡(luò)預(yù)測的圖像類別與真實(shí)標(biāo)簽更加接近[1]。

        二、深度學(xué)習(xí)目標(biāo)跟蹤算法

        (一)深度學(xué)習(xí)

        深度學(xué)習(xí)即是指模仿人類神經(jīng)系統(tǒng)構(gòu)建包含多層隱藏層的網(wǎng)絡(luò)模型,深度學(xué)習(xí)在我國各個(gè)領(lǐng)域均具有較強(qiáng)的應(yīng)用價(jià)值,其是一種人工智能技術(shù)的產(chǎn)物,是融合了生物學(xué)、計(jì)算機(jī)學(xué)等諸多學(xué)科的先進(jìn)技術(shù),其能夠?qū)崿F(xiàn)模仿人類視覺接收來獲取相關(guān)數(shù)據(jù)信息,并對信息進(jìn)行識別、檢測與分類。深度學(xué)習(xí)主要是利用計(jì)算機(jī)技術(shù)及信息技術(shù)構(gòu)建一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)模型,在模型構(gòu)建的過程中,需要計(jì)算大量的數(shù)據(jù)參數(shù)為模型構(gòu)建奠定基礎(chǔ),同時(shí),在模型使用的過程中,也需要不斷對模型參數(shù)進(jìn)行優(yōu)化,確保模型的適用性,從而促使模型能夠良好的發(fā)揮其功能與價(jià)值。

        深度學(xué)習(xí)主要依托于深度學(xué)習(xí)網(wǎng)絡(luò)來完成工作目標(biāo),在深度學(xué)習(xí)網(wǎng)絡(luò)中,主要包含卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)及生成對抗網(wǎng)絡(luò),其中,卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)網(wǎng)絡(luò)的基礎(chǔ)部分,深度學(xué)習(xí)網(wǎng)絡(luò)模型的相關(guān)參數(shù)均是利用卷積神經(jīng)網(wǎng)絡(luò)來獲取的。卷積神經(jīng)網(wǎng)絡(luò)主要是根據(jù)動(dòng)物視網(wǎng)膜接收視覺信息的神經(jīng)系統(tǒng)為參考依據(jù),模仿動(dòng)物在進(jìn)行視覺信息接收時(shí)視覺信息的傳遞流程及處理流程,并將其利用于模型的構(gòu)建中,從而實(shí)現(xiàn)良好的對圖形進(jìn)行檢查、分類與識別的功能[2]。

        (二)目標(biāo)跟蹤算法

        目標(biāo)跟蹤算法是指選定目標(biāo)圖像并在后續(xù)視頻序列內(nèi)確定目標(biāo)的位置與尺寸信息從而達(dá)到對目標(biāo)持續(xù)跟蹤的效果。

        首先,目標(biāo)跟蹤算法具備任意性的特點(diǎn),在確定跟蹤目標(biāo),可選擇任意類型、任意屬性的目標(biāo),并無跟蹤目標(biāo)的限制條件,通常情況下,相關(guān)工作人員會選擇視頻第一幀邊界處出現(xiàn)的目標(biāo)。

        其次,目標(biāo)跟蹤算法具備單樣本的特點(diǎn),單樣本即是指單樣本學(xué)習(xí),是指所選定的目標(biāo)并未有固定的模型,是有且僅有給定的視頻第一幀目標(biāo)圖像。

        再者,目標(biāo)跟蹤算法具備準(zhǔn)確率高、實(shí)時(shí)性佳的特點(diǎn),利用目標(biāo)跟蹤算法確定的測量值與真實(shí)值基本相符,且視頻中的每一面時(shí)間均可處理為幀數(shù),故其具有較強(qiáng)的實(shí)時(shí)性。

        最后,目標(biāo)跟蹤算法具備單目標(biāo)跟蹤的特點(diǎn),單目標(biāo)既是指在利用目標(biāo)跟蹤算法跟蹤目標(biāo)時(shí)有且僅有一個(gè)目標(biāo)。

        三、將孿生網(wǎng)絡(luò)應(yīng)用于深度學(xué)習(xí)目標(biāo)跟蹤算法中的有效途徑

        (一)全卷積孿生網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)建

        在深度學(xué)習(xí)目標(biāo)跟蹤算法中應(yīng)用孿生網(wǎng)絡(luò),主要是構(gòu)建全卷積孿生網(wǎng)絡(luò)模型,這是由于在全卷積孿生網(wǎng)絡(luò)模型中,可利用孿生神經(jīng)網(wǎng)絡(luò)的處理相似學(xué)習(xí)問題的優(yōu)勢,對兩個(gè)或多個(gè)相同參數(shù)、權(quán)重的網(wǎng)絡(luò)進(jìn)行構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)。且通過上文分析可知,深度學(xué)習(xí)需要不斷更新并優(yōu)化參數(shù)以提高網(wǎng)絡(luò)的適用性,而全卷積網(wǎng)絡(luò)結(jié)構(gòu)便具備能夠在兩個(gè)子網(wǎng)上同步進(jìn)行參數(shù)更新的優(yōu)勢,這對于提升數(shù)據(jù)分析的準(zhǔn)確性是十分重要的[3]。在全卷積網(wǎng)絡(luò)結(jié)構(gòu)當(dāng)中,兩個(gè)子網(wǎng)的參數(shù)與權(quán)重是共享的,即當(dāng)一個(gè)子網(wǎng)參數(shù)更新之后,另一個(gè)子網(wǎng)的相同參數(shù)也會隨之更新,這不僅有利于簡化數(shù)據(jù)分析流程,同時(shí)也能夠提升全卷積孿生網(wǎng)絡(luò)的實(shí)時(shí)性,且在樣本較少的情況下,全卷積神經(jīng)網(wǎng)絡(luò)也能夠?qū)崿F(xiàn)對檢測數(shù)據(jù)信息的精準(zhǔn)分類。同時(shí),全卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)蓚€(gè)大小完全一致的圖形作為輸入,通過在兩個(gè)大小完全相同圖形中獲取同一個(gè)目標(biāo),從而確定跟蹤目標(biāo),在全卷積孿生網(wǎng)絡(luò)模型構(gòu)建完畢后利用全卷積孿生網(wǎng)絡(luò)輸入檢測圖像、視頻時(shí),能夠允許輸入比模板圖像大的圖形輸入到結(jié)構(gòu)當(dāng)中,這就使得全卷積孿生網(wǎng)絡(luò)具備良好的使用性能。

        在構(gòu)建全卷積孿生網(wǎng)絡(luò)時(shí),首先需要在模板圖像中確定跟蹤目標(biāo),設(shè)定一個(gè)函數(shù)f,比較模板圖像X和候選圖像Y的特征圖相似度,將其輸入卷積神經(jīng)網(wǎng)絡(luò)中,確定響應(yīng)最大值對應(yīng)目標(biāo)的位置,利用模板圖像和較大的候選圖像對訓(xùn)練網(wǎng)絡(luò)產(chǎn)生一個(gè)得分響應(yīng),定義得分響應(yīng)的損失函數(shù)為每個(gè)損失的均值。將視頻分割成多個(gè)幀,每秒為一幀,從視頻中選取大量的特征圖,并建立空間映射,確定各幀目標(biāo)位置,選取屬于正類的目標(biāo),從而獲得最小損失函數(shù)。

        (二)基于判別式相關(guān)濾波的孿生網(wǎng)絡(luò)

        基于判別式相關(guān)濾波的孿生網(wǎng)絡(luò)具備能夠?qū)崿F(xiàn)反向傳播的優(yōu)勢,在使用判別式相關(guān)濾波的孿生網(wǎng)絡(luò)時(shí),首先需要確定搜索圖像與模板圖像,隨后將其輸入網(wǎng)絡(luò)當(dāng)中,獲得相應(yīng)變化,確定目標(biāo)位置中心,并在該目標(biāo)位置中心中提取出搜索區(qū)域,通過離線訓(xùn)練得到卷積網(wǎng)絡(luò)參數(shù)后,在線跟蹤時(shí)憑借判別式相關(guān)濾波器模塊來進(jìn)行在線微調(diào)以保證跟蹤的準(zhǔn)確性,圖1為判別式相關(guān)濾波孿生網(wǎng)絡(luò)結(jié)構(gòu)圖。

        四、將孿生網(wǎng)絡(luò)應(yīng)用于深度學(xué)習(xí)目標(biāo)跟蹤算法中的效果分析

        (一)基準(zhǔn)比較

        在進(jìn)行孿生網(wǎng)絡(luò)在深度學(xué)習(xí)目標(biāo)跟蹤算法中的應(yīng)用分析時(shí),首先將全卷積孿生網(wǎng)絡(luò)與判別式相關(guān)濾波的孿生網(wǎng)絡(luò)進(jìn)行對比分析,通過分析發(fā)現(xiàn),隨著網(wǎng)絡(luò)深度的增加,全卷積孿生網(wǎng)絡(luò)的進(jìn)步并不如預(yù)想中的快,而使用判別式相關(guān)濾波的孿生網(wǎng)絡(luò)在分析網(wǎng)絡(luò)特征時(shí)具備較大的優(yōu)勢,故認(rèn)為判別式相關(guān)濾波的孿生網(wǎng)絡(luò)應(yīng)用效果更好。

        其次利用SRDCF算法,將判別式相關(guān)濾波的孿生網(wǎng)絡(luò)部分改進(jìn)移植到SRDCF算法中,學(xué)習(xí)率設(shè)為0.012,樣本數(shù)量為50,模板以每6幀以此的頻率更新,以期望平均重疊作為整體性能評估指標(biāo),訓(xùn)練集更新的改進(jìn)相對增益為2.8%的性能,新的更新策略相對增益了5.9%的性能,最終相對增益為13%。

        (二)OTB標(biāo)準(zhǔn)

        以DCFSNN跟蹤器為基準(zhǔn),以O(shè)TB2013標(biāo)準(zhǔn),確定跟蹤器OPE、TRE、SER的IoU的重疊率,比較結(jié)果如下表所示。

        由OPE標(biāo)準(zhǔn)獲得DCFSNN跟蹤器的平均精度與成功率即準(zhǔn)確性,得分最高的LCT較本跟蹤器均有0.5%的性能優(yōu)勢,由SRE和TRE從空間和時(shí)間上評估DCFSNN跟蹤器,得分最高的Staple分別有0.7%和2.4%的性能增益,綜合來看,DCFSNN跟蹤器效果最佳。

        五、結(jié)束語

        綜上所述,本文主要研究的是孿生網(wǎng)絡(luò)在深度學(xué)習(xí)目標(biāo)跟蹤算法中的應(yīng)用,其應(yīng)用方法主要包括兩種,一種為構(gòu)建全卷積孿生網(wǎng)絡(luò),而另一種判別式相關(guān)濾波的孿生網(wǎng)絡(luò)。將孿生網(wǎng)絡(luò)應(yīng)用于深度學(xué)習(xí)目標(biāo)跟蹤算法當(dāng)中,能夠良好的處理視頻、圖像信息中的相似學(xué)習(xí)問題,實(shí)現(xiàn)對目標(biāo)的實(shí)時(shí)跟蹤,且精準(zhǔn)度較高,跟蹤速度較快,且利用判別式相關(guān)濾波的孿生網(wǎng)絡(luò)還能夠?qū)崿F(xiàn)反向傳播,促使目標(biāo)底層特征信息表示得到進(jìn)一步的優(yōu)化。

        作者單位:宋錚? ? 天津訊飛信息科技有限公司

        參? 考? 文? 獻(xiàn)

        [1]方林鳳,梁啟麗,張旭東.孿生網(wǎng)絡(luò)框架下融合顯著性和干擾在線學(xué)習(xí)的航拍目標(biāo)跟蹤算法[J].電子與信息學(xué)報(bào),2021,43(05):1414-1423.

        [2]楊嘉棋,魏宇星,張建林.基于特征融合與雙模板嵌套更新的孿生網(wǎng)絡(luò)跟蹤算法[J].計(jì)算機(jī)工程,2021,47(07):239-248.

        [3]張龍信,肖滿生,左國才.快速多域卷積神經(jīng)網(wǎng)絡(luò)和光流法融合的目標(biāo)跟蹤[J].計(jì)算機(jī)工程與科學(xué),2020,42(12):2217-2222.

        猜你喜歡
        深度學(xué)習(xí)
        從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
        面向大數(shù)據(jù)遠(yuǎn)程開放實(shí)驗(yàn)平臺構(gòu)建研究
        基于自動(dòng)智能分類器的圖書館亂架圖書檢測
        搭建深度學(xué)習(xí)的三級階梯
        有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
        電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
        利用網(wǎng)絡(luò)技術(shù)促進(jìn)學(xué)生深度學(xué)習(xí)的幾大策略
        考試周刊(2016年94期)2016-12-12 12:15:04
        MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
        大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
        深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
        亚洲精品中文字幕导航| 九九精品无码专区免费| 久久精品中文字幕第一页| 日韩三级一区二区三区四区| 国产精品无码制服丝袜| 精品深夜av无码一区二区老年| 国产成人77亚洲精品www| 久久久亚洲精品蜜臀av| 日本一区二区三区高清在线视频| 一本一道久久综合久久| 欧美性猛交xxxx乱大交蜜桃| 丰满人妻无奈张开双腿av| 日本午夜理论片在线观看| 亚洲色欲色欲www在线观看| 黄视频国产| 在线亚洲免费精品视频| 国产亚洲av另类一区二区三区| 国产无遮挡又黄又爽在线观看| 樱花AV在线无码| 日本成年少妇人妻中文字幕| 五月色婷婷丁香无码三级| 性激烈的欧美三级视频| 日本a在线播放| 凹凸世界视频a一二三| 国产精品日本一区二区在线播放| 国产成人无码av在线播放dvd| 国产呦系列呦交| 美女免费视频观看网址| 9 9久热re在线精品视频| 国产精品视频久久久久| 精品国产麻豆免费人成网站| 一边捏奶头一边高潮视频| 亚洲av无码精品色午夜蛋壳| 久久精品午夜免费看| 国产国语按摩对白av在线观看| 国产一区二区三区四区五区加勒比| 99福利网| 韩国黄色三级一区二区| 亚洲av无码一区东京热 | 青青草伊人视频在线观看| 好大好爽我要高潮在线观看|