论文部分内容阅读
针对运动目标检测中的间歇性运动问题,设计了一个深度卷积神经网络MONet。在缺乏训练数据集的情况下,利用仿射变换生成一个合成数据集Go Chairs,并在此基础上进行网络的训练和测试。结果表明,训练后的MONet能够有效地根据像素点之间的对应关系检测出运动的目标。传统的运动目标检测数据集CDnet和I2R被用于测试以验证该网络的泛化性能。针对目标的间歇性运动问题,MONet与经典方法进行了定性和定量的比较。实验结果证明了该网络在检测间歇性运动的目标时的优越性。