科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对硬件上实现指定目标的高速跟踪,提出一种适用于硬件高速计算的深度卷积神经网络(convolutional neural network,CNN)目标跟踪算法.通过分析卷积层、卷积核、亚采样层和激活层对于网络性能的影响,针对硬件实现构建多种CNN结构.训练指定目标样本,得到基于卷积深度特征的目标模型,采用灵活的搜索策略,调用优化后的模型参数实现硬件上的目标跟踪.结合实例,对比了多种网络的性能和跟踪效果,其中最优模型参数仅为368Byte,测试错误率为0.0125,跟踪误差均值为0.779像素,证明了该算法在硬件上实现目标追踪的有效行和可行性.
- 单位
