《表1 传统目标跟踪与卷积神经跟踪算法比较》
提示：宽带有限、当前游客访问压缩模式
随着深度卷积网络在目标跟踪领域的发展，其效果已经逐渐超越传统的跟踪算法，表1是部分传统的目标跟踪算法与深度卷积神经跟踪算法在OTB2013测试集上的测试效果对比。
| 图表编号 | XD0020611300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.03.01 |
| 作者 | 胡硕、赵银妹、孙翔 |
| 绘制单位 | 燕山大学电气工程学院、燕山大学电气工程学院、燕山大学电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表7 在KITTI目标跟踪数据集的测试集上与其他多目标跟踪算法对比实验结果(‘Pedestrian’类)》2021.03.01
- 《表5 多目标跟踪算法比较》2021.01.01
- 《表1 各组大鼠体重比较：基于光流法与分块思想的目标跟踪算法》2020.07.16
- 《表2 跟踪算法性能比较：人体结构化特征与核相关滤波器算法融合的目标跟踪方法》2020.07.10
- 《表2 传统跟踪算法与本文跟踪算法性能比较》2020.08.15
- 《表1 目标跟踪算法：判别相关滤波融合深度信息的目标跟踪算法》2020.04.01
- 《表3 测试视频的属性：融合多层卷积特征自适应更新的目标跟踪算法》2020.01.25
- 《表2 目标跟踪算法比较表》2020.03.06
- 《表5 速度比较：基于Harris角点与广义霍夫变换的扩展目标稳定跟踪算法》2019.09.01
- 《表1 目标跟踪算法性能比较》2019.09.30
- 《表1 六组红外序列描述：基于卷积特征选择的红外目标跟踪》2019.09.01
- 《表2 跟踪性能对比：基于卷积特征选择的红外目标跟踪》2019.09.01
- 《表2 目标机动情况：基于人工神经网络的多模型目标跟踪算法》2019.08.30
- 《表3 跟踪算法的速度：基于正则化卷积神经网络的目标跟踪算法》2019.06.25
- 《表1 中心位置误差：基于正则化卷积神经网络的目标跟踪算法》2019.06.25
- 《表2 重叠率：基于正则化卷积神经网络的目标跟踪算法》2019.06.25
- 《表3 本文算法与传统Meanshift算法跟踪速度对比》2018.10.15
- 《表2 卷积神经网络最新成功的跟踪方法对比》2018.03.01
- 《表1 跟踪算法性能比较：结合角点特征的CamShift目标跟踪算法研究》2019.10.18
- 《表1 跟踪速度的比较：基于卷积神经网络的实时跟踪算法》2018.05.20