基于神经网络的扩展目标跟踪与分类
信号处理
2020-02-14 v1 机器学习
摘要
扩展目标/物体跟踪（ETT）问题涉及对单次传感器扫描可能生成多个测量的物体进行跟踪。最先进的ETT算法能有效利用这些测量中的可用信息，从而同时跟踪物体的动态行为并学习其形状。一旦形成物体的形状估计，便可自然地用于物体类型分类等高层任务。本工作中，我们提出使用一种简单的深度神经网络（由一个输入层、两个隐藏层和一个输出层构成）依据形状估计对动态物体进行分类。所提方法在仿真实验中相比贝叶斯分类器表现出更优性能。
引用
@article{arxiv.2002.05462,
title = {Extended Target Tracking and Classification Using Neural Networks},
author = {Barkın Tuncer and Murat Kumru and Emre Özkan},
journal= {arXiv preprint arXiv:2002.05462},
year = {2020}
}