Resumen

Los métodos de seguimiento discriminatorios utilizan la clasificación binaria para distinguir entre el primer plano y el fondo, y han obtenido algunos resultados útiles. Sin embargo, el uso de muestras de entrenamiento etiquetadas es insuficiente para que logren un seguimiento preciso. Por lo tanto, los clasificadores discriminatorios deben utilizar sus propios resultados de clasificación para actualizarse, lo que puede provocar una desviación del seguimiento inducida por la retroalimentación. Para superar estos problemas, proponemos un algoritmo de seguimiento semisupervisado que utiliza representación profunda y aprendizaje por transferencia. En primer lugar, se entrena una red de creencia profunda multicapa 2D con una gran cantidad de muestras sin etiquetar. El punto de mapeo no lineal en la parte superior de esta red se sustrae como diccionario de características. A continuación, este diccionario de características se utiliza para transferir, entrenar y actualizar un rastreador profundo. Las muestras positivas para el entrenamiento son los vehículos rastreados, y las muestras negativas son las imágenes de fondo. Por último, se utiliza un filtro de partículas para estimar la posición del vehículo. Demostramos experimentalmente que nuestro algoritmo de seguimiento de vehículos propuesto puede contener eficazmente la deriva, manteniendo al mismo tiempo la adaptación de la apariencia del vehículo. En comparación con otros algoritmos similares, nuestro método consigue una mayor tasa de éxito en el seguimiento y menos errores medios en el píxel central.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:diccionario de características, mejor tasa de éxito en el rastreo, métodos de rastreo discriminativos, red de creencia profunda, punto de mapeo no lineal, resultados de clasificación propios, algoritmo de rastreo semisupervisado, algoritmo de rastreo de vehículos, multicapa 2d, rastreo preciso
• Keywords:feature dictionary, better tracking success rate, discriminative tracking methods, deep belief network, nonlinear mapping point, own classification results, semisupervised tracking algorithm, vehicle tracking algorithm, 2d multilayer, accurate tracking