基于稀疏表示的生成式算法
大小:0.95 MB 人气: 2017-12-28 需要积分:2
标签:稀疏(8618)
针对视频目标鲁棒跟踪问题,提出了一种基于稀疏表示的生成式算法。首先提取特征构建目标和背景模板,并利用随机抽样获得足够多的候选目标状态;然后利用多任务反向稀疏表示算法得到稀疏系数矢量构造相似度测量图,这里引入了增广拉格朗日乘子(ALM)算法解决Li -min难题;最后从相似度图中使用加性池运算提取判别信息选择与目标模板相似度最高并与背景模板相似度最小的候选目标状态作为跟踪结果,该算法是在贝叶斯滤波框架下实现的。为了适应跟踪过程中目标外观由于光照变化、遮挡、复杂背景以及运动模糊等场景引起的变化,制定了简单却有效的更新机制,对目标和背景模板进行更新。对仿真结果的定性和定量评估均表明与其他跟踪算法相比,所提算法的跟踪准确性和稳定性有了一定的提高,能有效地解决光照和尺度变化、遮挡、复杂背景等场景的跟踪难题。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于稀疏表示的生成式算法下载
相关电子资料下载
- 昆仑万维开源2千亿稀疏大模型Skywork-MoE 371
- 一种柔性稀疏传感器网络系统,用于新生儿不安运动评估 607
- 基于柔性无线IMU传感器的稀疏传感网络,用于新生儿脑瘫快速筛查 375
- 基于柔性无线IMU传感器的稀疏传感网络 159
- Sparse4D-v3:稀疏感知的性能优化及端到端拓展 806
- 深入理解BigBird的块稀疏高效实现方案 343
- CCV 2023 | SparseBEV:高性能、全稀疏的纯视觉3D目标检测器 602
- 基于全稀疏的单阶段3D目标检测器优化方案 338
- NVIDIA Ampere 架构的结构化稀疏功能及其在搜索引擎中的应用 371
- 什么是稀疏阵列天线 稀疏相控阵天线优点 3036