tld目標(biāo)跟蹤算法-展示頁(yè)
2025-02-24 05:42本頁(yè)面
【正文】 模型 及 相關(guān)參數(shù) ，從而使得跟蹤效果更加穩(wěn)定、魯棒、可靠。TrackingLearningDetection 目標(biāo)跟蹤算法 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 一、 TLD算法簡(jiǎn)介 TLD(TrackingLearningDetection) 是英國(guó)薩里大學(xué)的一個(gè)捷克籍博士生 Zdenek Kalal在其攻讀博士學(xué)位期間提出的一種新的單目標(biāo) 長(zhǎng)時(shí)間 （ long term tracking）跟蹤算法。 ? 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 跟蹤算法 和傳統(tǒng)的 檢測(cè)算法 相 結(jié)合，來(lái) 解決被跟蹤目標(biāo)在被跟蹤過(guò)程中發(fā)生的 形變、部分 遮擋、消失等 問(wèn)題 。 ：形變、光照變化 、尺度變化、 遮擋、消失等 情況 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 二、 TLD框架結(jié)構(gòu) TLD算法框架主要由 三部分組成 ： 跟蹤 模塊、檢測(cè)模塊、學(xué)習(xí)模塊。如果目標(biāo)在相機(jī)視野中消失，將造成跟蹤失敗 。 ? 學(xué)習(xí) 模塊 根據(jù) 跟蹤模塊 的結(jié)果對(duì) 檢測(cè)模塊 的錯(cuò)誤 進(jìn)行評(píng)估，并根據(jù)評(píng)估結(jié)果生成 訓(xùn)練樣本，對(duì) 檢測(cè)模塊 的 目標(biāo)模型 及 相關(guān)參數(shù) 進(jìn)行更新。 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 。 Pexperts僅識(shí)別錯(cuò)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1