TLD视觉目标跟踪框架理论与实践视频课程课件PPT模板
合集下载
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2-4Tracking:Transform跟 踪部分:形变估计
2-6Detection:Introduction检 测部分:简介
第2章tld框架
1 2 3 4 5 6
2-1TLDIntroductionTLD框 架概述
2-3Tracking:ErrorMeasure 跟踪部分:误差度量
2-5Tracking:Summary 跟踪部分:内容总结
202x
感谢聆听
202x
tld视觉目标跟踪框架理论 与实践视频课程
演讲人
2 0 2 x - 11 - 11
目录
01. 第1章前言 02. 第2章tld框架
1
第
章 前 言
第1章前言
1-1begining开场 1-2introduction课程简介 1-2Introduction课程简介
2 tld
第 章
框 架
2-2Tracking:OpticalFlow跟 踪部分:光流估计。
分类。
2-11detection: templatematchin
2-12detection: cascadeinitiali检测部分:
cascade模型初始化。
第2章tld框架
01
2-13detection:postprocessing检测部分:后处理。
02
2-14detection:summary检测部分:总结。
第2章tld框架
2-7detection: slidingwindow检测部分:滑
动窗口
28detection:cascadeintroduc
检测部分:cascade模型概述
2-9detection:variancefilter检测 部分:cascade模型第一层,方差过滤。
2-10detection:ensembleclassif 检测部分:cascade模型第二层,集成
03
2-1பைடு நூலகம்learning:introduction学习部分:简介。
04
2-16learning:fusion&validation学习部分:跟踪与检测结 果的融合与检验。
05
2-17learning:sampleselection学习部分:用于在线更新的 训练样本初略选择。
06
2-18learning:pn-learning学习部分:用于难样本挖掘的 pn-learning。
2-6Detection:Introduction检 测部分:简介
第2章tld框架
1 2 3 4 5 6
2-1TLDIntroductionTLD框 架概述
2-3Tracking:ErrorMeasure 跟踪部分:误差度量
2-5Tracking:Summary 跟踪部分:内容总结
202x
感谢聆听
202x
tld视觉目标跟踪框架理论 与实践视频课程
演讲人
2 0 2 x - 11 - 11
目录
01. 第1章前言 02. 第2章tld框架
1
第
章 前 言
第1章前言
1-1begining开场 1-2introduction课程简介 1-2Introduction课程简介
2 tld
第 章
框 架
2-2Tracking:OpticalFlow跟 踪部分:光流估计。
分类。
2-11detection: templatematchin
2-12detection: cascadeinitiali检测部分:
cascade模型初始化。
第2章tld框架
01
2-13detection:postprocessing检测部分:后处理。
02
2-14detection:summary检测部分:总结。
第2章tld框架
2-7detection: slidingwindow检测部分:滑
动窗口
28detection:cascadeintroduc
检测部分:cascade模型概述
2-9detection:variancefilter检测 部分:cascade模型第一层,方差过滤。
2-10detection:ensembleclassif 检测部分:cascade模型第二层,集成
03
2-1பைடு நூலகம்learning:introduction学习部分:简介。
04
2-16learning:fusion&validation学习部分:跟踪与检测结 果的融合与检验。
05
2-17learning:sampleselection学习部分:用于在线更新的 训练样本初略选择。
06
2-18learning:pn-learning学习部分:用于难样本挖掘的 pn-learning。