tld目標(biāo)跟蹤算法-wenkub
2023-03-09 05:42:27 本頁(yè)面
【正文】 就是找到這種 結(jié)構(gòu)性的數(shù)據(jù) ，從而來(lái)判別檢測(cè)模塊 所產(chǎn)生的錯(cuò)誤標(biāo)簽 。 PN學(xué)習(xí)結(jié)構(gòu)圖 PN學(xué)習(xí)包含四個(gè)部分： 訓(xùn)練集 正、負(fù)樣本的 函數(shù) 練分類(lèi)器的方法 三、 PN學(xué)習(xí) ? PN學(xué)習(xí)的公式化（略） ? PN學(xué)習(xí) 的穩(wěn)定性證明 （略） ? PN學(xué)習(xí) 的仿真驗(yàn)證 （略） 詳細(xì)內(nèi)容請(qǐng)參考： ? Z. Kalal, K. Mikolajczyk, and J. Matas, “TrackingLearningDetection,” Pattern Analysis and Machine Intelligence 2023. ? Z. Kalal, J. Matas, and K. Mikolajczyk, “PN Learning: Bootstrapping Binary Classifiers by Structural Constraints,” Conference on Computer Vision and Pattern Recognition, 2023. PN experts 的設(shè)計(jì)： b） 中待檢測(cè)目標(biāo)在一個(gè)視頻幀中可能同時(shí)出現(xiàn)在好幾個(gè)區(qū)域，并且待檢測(cè)目標(biāo)在相鄰視頻幀之間的運(yùn)動(dòng) 沒(méi)有連續(xù)性 。 一、 TLD算法簡(jiǎn)介 二、 TLD框架結(jié)構(gòu) 三、 PN 學(xué)習(xí) 四、 TLD算法實(shí)現(xiàn) 主要內(nèi)容 三、 PN學(xué)習(xí) PN 學(xué)習(xí)： TLD的 學(xué)習(xí) 模塊， 是一種 半監(jiān)督的機(jī)器學(xué)習(xí) 算法，目的是 在線更新檢測(cè)器 ，提高 檢測(cè)器的性能 。如果目標(biāo)在相機(jī)視野中消失，將造成跟蹤失敗 。 ? Z. Kalal, K. Mikolajczyk, and J. Matas, “TrackingLearningDetection,” Pattern Analysis and Machine Intelligence 2023. ? Z. Kalal, K. Mikolajczyk, and J. Matas, “FaceTLD: TrackingLearningDetection Applied to Faces,”International Conference on Image Processing, 2023. ? Z. Kalal, K. Mikolajczyk, and J. Matas, “ForwardBackward Error: Automatic Detection of Tracking Failures,” International Conference on Pattern Recognition, 2023, pp. 2326. ? Z. Kalal, J. Matas, and K. Mikolajczyk, “PN Learning: Bootstrapping Binary Classifiers by Structural Constraints,” Conference on Computer Vision and Pattern Recognition, 2023. 作者相關(guān)文章： Zdenek Kalal 一、 TLD算法簡(jiǎn)介 長(zhǎng) 時(shí)間 跟蹤 的一個(gè) 關(guān)鍵 的 問(wèn)題： 目標(biāo)重新出現(xiàn) 重新檢測(cè) 重新跟蹤 TLD與 傳統(tǒng)跟蹤算法的顯著 區(qū)別 ： ? 將 傳統(tǒng)的 跟蹤
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1