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(8607)
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
- CCV 2023 | SparseBEV:高性能、全稀疏的纯视觉3D目标检测器 149
- 基于全稀疏的单阶段3D目标检测器优化方案 150
- NVIDIA Ampere 架构的结构化稀疏功能及其在搜索引擎中的应用 150
- 什么是稀疏阵列天线 稀疏相控阵天线优点 762
- Sparse4D系列算法:迈向长时序稀疏化3D目标检测的新实践 537
- 基于通过非常稀疏的视角输入合成场景的方法 187
- ICLR 2023 Spotlight|节省95%训练开销,清华黄隆波团队提出强化学习专用稀疏训练 205
- Co-SLAM: 联合坐标和稀疏参数编码的神经实时SLAM 802
- SDMNet:大规模激光雷达点云配准的稀疏到稠密匹配网络 345
- 基于稀疏分解的高光谱图像压缩方法 617