histogram-basedinterestpointdetectors-資料下載頁
2025-07-15 18:53本頁面
【正文】 –特征選擇 –目標檢測 利用判別顯著性的跟蹤 ? 判別顯著性將顯著性問題看作感興趣刺激與背景兩類的最優(yōu)決策問題。 ? 每一位置的顯著性等價于該位置處特征的判別力。這樣判別的結(jié)果具有最低期望差錯概率。 利用判別顯著性的跟蹤 ? 判別顯著性 – l位置處的顯著性定義為特征響應(yīng)與類的互信息 – 又可以寫成 其中 ( ) ( )( ) ( )( ) ( )( ) ( ) ( )1,0。, l oglY C lY C li Y ClS l I Y Cp y ip y i dyp y p i=== 229。 242。( ) ( ) ( ) ( ) ( ) ( )1 |0| || YC l Y C liS l p i K L p y i p y=輊= 犏臌229。( ) ( ) ( )( )|| l o g XXXpxK L p q p x d xqxc= 242。利用判別顯著性的跟蹤 ? 學(xué)習(xí)顯著特征 – 對目標與背景有最優(yōu)判別能力的特征是那些與類別標簽有最大互信息的特征。 – 互信息的計算 ( ) ( ) ( ) ( )1 , 1 1 , 1。 。 。 | 。k k k k kkkI Y C I Y C I Y Y C I Y Y輊= + 犏臌邋( ) ( ) ( )( ) ( ), | , |, , , ,| | | |。 | l o g Y C Z y i zY C Z y i zi Y Z y z C Z i zpI Y C Z p d y d zpp= 229。其中 ( ) ( )1 , 1 1 , 1。 | 。k k k kI Y Y C I Y Y 表示第 k個特征與前 k1個特征之間由于特征相關(guān)含有的判別信息 ? 學(xué)習(xí)顯著特征 – 由于特征相關(guān)性對類的判別提供的信息很小，故 – 顯著特征選擇 ? 對 N個特征按降序排列互信息 ? 選擇前 K個特征作為顯著特征 ( ) ( )( ) ( ) ( )1|。| ||kkNkkC Y C YkiI Y C I Y Cp i KL P y i P y=187。輊= 犏臌229。邋利用判別顯著性的跟蹤 ( )。kI Y C利用判別顯著性的跟蹤 ? 顯著特征選擇過程 利用判別顯著性的跟蹤 ? 目標跟蹤 – t時刻的顯著特征得到以后，下一步檢測 t+1時刻的目標位置。 ( ) ( ) ( )( ) ( )1 ,0, , l o g YCYCi YCp y iI C Y y p y ip y p i=== 229。( ) ( ), 0k k k kk I C Y y y SSy o th e r w is e236。 =?239。239。= 237。239。239。238。( )( ) ( )( )( ) ( ),1 , 0 ,|10kkkkC Y k C Y kkC Y k C Y kP y P ySyP P y P P y禳镲镲=睚镲镲鉿kS 包含通過似然比被分成目標類的點集 利用判別顯著性的跟蹤 ? 目標跟蹤 – K個特征響應(yīng) y的 Confidence之和為 – t+1時刻具有 最大顯著值點 位置就是新的目標點的位置。 ( ) ( )1KT k kkS y S y== 229。檢測器自動初始化 ? 初始化過程圖示 實驗結(jié)果 跟蹤演示 目標初始位置已知（ 4幀） 紅框表示本文方法的結(jié)果 實驗結(jié)果 目標初始位置已知（ 6幀） 紅框表示本文方法的結(jié)果 實驗結(jié)果 跟蹤誤差定義成 groundtruth bounding box與跟蹤器得到的 bounding box內(nèi)的平均像素差?？梢钥闯霰疚姆椒ǎ?DST）誤差最小。 量化結(jié)果 ? 目標初始位置未知 實驗結(jié)果 利用 BottomUp的顯著性判別獲得目標初始位置
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號-1