基于类脑计算的目标检测与跟踪技术PDF电子书下载

查看更多关于的内容

第1章 概述 1

1.1 常规目标检测方法 2

1.1.1 基于背景建模的目标检测方法 2

1.1.2 基于前景建模的目标检测方法 3

1.2 常规目标跟踪方法 4

1.2.1 生成式目标跟踪方法 4

1.2.2 判别式目标跟踪方法 4

1.3 类脑计算模型及应用 5

1.3.1 神经工程导向的类脑模型及算法 5

1.3.2 计算机工程导向类脑模型及算法 9

小结 11

参考文献 11

第2章 人脑视觉系统的侧抑制机制及其应用 19

2.1 侧抑制机制及常规数学模型 19

2.1.1 侧抑制机制 19

2.1.2 常规侧抑制模型 19

2.2 新型侧抑制模型设计 21

2.2.1 自适应侧抑制模型 21

2.2.2 演算侧抑制模型 22

2.3 基于自适应侧抑制模型的目标检测算法 23

2.3.1 算法设计 23

2.3.2 算法流程 25

2.3.3 实验及结果分析 26

2.4 基于演算侧抑制模型的目标检测算法 29

2.4.1 算法设计 29

2.4.2 算法流程 33

2.4.3 实验及结果分析 36

小结 39

参考文献 40

第3章 人脑视觉系统的感受野机制及其应用 42

3.1 感受野机制 42

3.1.1 经典感受野 42

3.1.2 非经典感受野 43

3.2 自适应感受野模型 44

3.3 基于自适应感受野的红外目标检测方法 46

3.3.1 算法流程 46

3.3.2 实验及结果分析 47

小结 52

参考文献 53

第4章 基于脉冲耦合神经网络的目标检测方法 55

4.1 脉冲耦合神经网络 55

4.1.1 发展历程 55

4.1.2 原理及模型 56

4.2 新型PCNN模型设计 57

4.2.1 ALI-PCNN 57

4.2.2 Fusion SPCNN 58

4.3 基于ALI-PCNN的红外弱小目标检测与跟踪方法 62

4.3.1 算法设计 63

4.3.2 应用实例 65

4.4 基于FSPCNN的红外目标检测方法 69

4.4.1 算法设计 69

4.4.2 应用实例 70

小结 72

参考文献 73

第5章 人脑视觉系统的视觉注意机制及其应用 77

5.1 视觉注意机制及常规数学模型 77

5.1.1 视觉注意机制 77

5.1.2 常规视觉注意模型 78

5.2 新型视觉注意模型 80

5.2.1 SC视觉注意模型 80

5.2.2 DL视觉注意模型 81

5.3 基于SC视觉注意模型的小目标检测算法 82

5.3.1 算法原理 82

5.3.2 核心过程 83

5.3.3 实验及结果分析 86

5.4 基于双层视觉注意模型的面目标检测算法 87

5.4.1 算法原理 87

5.4.2 初级显著图检测 87

5.4.3 最终显著图检测 89

5.4.4 实验及结果分析 91

小结 94

参考文献 94

第6章 人脑视觉系统的记忆机制及其应用 96

6.1 记忆机制及常规数学模型 96

6.2 新型记忆模型设计 98

6.2.1 多通道记忆模型 98

6.2.2 多层旋转记忆模型 100

6.3 基于多通道记忆模型的核相关滤波目标跟踪算法 103

6.3.1 分类器训练 104

6.3.2 目标定位 104

6.3.3 基于多通道记忆的分类器更新 105

6.3.4 实验及结果分析 105

6.4 基于多层旋转记忆模型的相关滤波目标跟踪算法 109

6.4.1 相关滤波目标跟踪框架 110

6.4.2 基于MRM的相关滤波目标跟踪算法设计 111

6.4.3 实验及结果分析 112

小结 117

参考文献 117

第7章 基于卷积神经网络与人脑记忆模型的目标跟踪算法 119

7.1 引言 119

7.1.1 相关滤波算法 119

7.1.2 基于卷积神经网络的目标跟踪算法 122

7.1.3 基于卷积神经网络与人脑记忆模型的目标跟踪算法 124

7.2 基于响应图分析网络的跟踪置信水平评价 124

7.2.1 研究思路 124

7.2.2 响应图分析网络 127

7.3 基于记忆模型与RAN的KCF跟踪算法设计与实现 129

7.4 实验及结果分析 132

7.4.1 实验条件 132

7.4.2 实验结果及分析 132

小结 134

参考文献 134

第8章 类脑计算平台及其目标检测与跟踪应用 137

8.1 类脑计算硬件平台的研究现状 137

8.1.1 深度学习专用处理器 137

8.1.2 神经形态芯片及系统 140

8.2 深度学习与神经形态的协同发展期 145

8.2.1 网络结构调整和参数压缩 146

8.2.2 二值化和三值化理论 146

8.3 深度学习专用处理器与神经形态芯片的对比 147

8.4 LIF动力学概述 148

8.4.1 脉冲神经网络 149

8.4.2 目标跟踪LIF动力学网络 154

8.5 LIF动力学网络的整型化 156

8.5.1 SNN的整型化 156

8.5.2 连续LIF动力学网络整型化 157

8.6 基于神经形态系统的视频目标跟踪 161

小结 165

参考文献 165

查看更多关于的内容