检索结果-维普期刊中文期刊服务平台

基于多示例学习和随机蕨丛检测的在线目标跟踪被引量：6: 1; 作者罗艳项俊 +1 位作者严明君侯建华《电子与信息学报》 EI CSCD 北大核心 2014年第7期1605-1611,共7页; 基于检测的目标跟踪方法目前在计算机视觉领域受到了广泛的关注,这类方法通过训练判别分类器将目标对象从背景中分离出来;分类器的训练是根据当前的跟踪状态从当前帧中提取正负样本来进行,但训练样本的不准确将导致分类器退化产生漂移... 展开更多; 关键词目标跟踪中值流(MF) 随机蕨丛在线多示例学习(mil); 在线阅读下载PDF 职称材料

基于在线多示例学习的协同训练目标跟踪算法: 2; 作者李飞王从庆 +1 位作者周鑫周大可《吉林大学学报（信息科学版）》 CAS 2015年第2期201-207,共7页; 为解决把多示例学习应用到目标跟踪算法而导致的误差积累问题,结合协同训练方法,提出一种新的目标跟踪算法。该算法利用协同训练克服分类器自训练带来的误差积累,同时在线多示例学习提高了跟踪效果的鲁棒性。将跟踪结果中心与理想目标... 展开更多; 关键词多示例学习协同训练目标跟踪在线学习目标检测; 在线阅读下载PDF 职称材料

一种基于笔画宽度特征和半监督多示例学习的文本区域鉴别方法: 3; 作者吴锐杜庆安 +1 位作者张博宇黄庆成《高技术通讯》 CAS CSCD 北大核心 2016年第2期111-118,共8页; 考虑到文本区域鉴别在视频文本检测中的重要作用,提出了一种基于笔画宽度特征的文本区域鉴别方法,该方法通过分析候选文本区域中笔画宽度的分布,有效地区分文本和非文本区域。此外针对笔画宽度信息提取过程中存在未知极性参数的问题,提... 展开更多; 关键词文本区域鉴别笔画宽度半监督学习多示例学习(mil); 在线阅读下载PDF 职称材料

基于目标性权值度量的多示例学习目标跟踪被引量：1: 4; 作者滑维鑫慕德俊 +1 位作者郭达伟刘航《北京航空航天大学学报》 EI CAS CSCD 北大核心 2017年第7期1364-1372,共9页; 针对多示例学习(MIL)跟踪算法在包概率计算过程中对示例样本不加以区分导致分类器性能下降,及采用最大化似然函数选择相应的弱分类构造强分类增加了算法复杂度的问题,提出了一种基于目标性权值学习的多示例目标跟踪算法,该算法利用目标... 展开更多; 关键词多示例学习(mil) 目标性测量弱分类器选择包概率计算目标跟踪; 在线阅读下载PDF 职称材料

基于EMD的融合特征快速多示例人脸识别算法被引量：8: 5; 作者邓剑勋熊忠阳曾代敏《四川大学学报（工程科学版）》 EI CAS CSCD 北大核心 2012年第2期99-104,共6页; 在基于五官模版技术的人脸识别中,因光照、角度及缺少整体性考虑等情况,易产生异常示例,影响了算法精度。而适合多示例检索的EMD距离寻优路径较长,导致在人脸识别中应用受限。为此提出一种基于EMD距离的快速融合特征多示例人脸识别算法(... 展开更多; 关键词多示例学习(mil) 人脸识别推土机距离(EMD) 距离阈值融合特征; 在线阅读下载PDF 职称材料

改进特征和时间融合框架的区分式跟踪算法: 6; 作者董强刘爱东《光电工程》 CAS CSCD 北大核心 2015年第4期14-18,31,共6页; 文章基于多示例学习的跟踪框架,引入改进型的分布场特征并融合目标时间维度信息,提出了一种新的跟踪算法。新的特征能够更为有效地描述目标的空间结构信息,对于目标模糊、局部遮挡以及细微形变有良好的鲁棒性。加入的目标时间维度信息... 展开更多; 关键词目标跟踪多示例学习区分式分类器在线学习; 在线阅读下载PDF 职称材料

题名基于多示例学习和随机蕨丛检测的在线目标跟踪被引量：6: 1; 作者罗艳项俊严明君侯建华; 机构中南民族大学智能无线通信湖北省重点实验室中南民族大学电子信息工程学院华中科技大学自动化学院; 出处《电子与信息学报》 EI CSCD 北大核心 2014年第7期1605-1611,共7页; 基金国家自然科学基金(61141010) 武汉市科技供需对接计划项目(201051824575) +1 种基金湖北省自然科学基金(2012FFA113) 中南民族大学中央高校基本科研业务费专项资金(CZY13033)资助课题; 文摘基于检测的目标跟踪方法目前在计算机视觉领域受到了广泛的关注,这类方法通过训练判别分类器将目标对象从背景中分离出来;分类器的训练是根据当前的跟踪状态从当前帧中提取正负样本来进行,但训练样本的不准确将导致分类器退化产生漂移。该文提出一种能够有效克服目标漂移的跟踪算法,采用检测器和跟踪器相结合的框架,利用中值流算法作为跟踪器,提高跟踪点的可靠性;级联若干个随机蕨弱分类器构成强分类器作为检测器;用在线多示例学习方法更新检测器,提高检测精度;最后将检测器、跟踪器的结果相融合得到最终的目标位置。实验结果表明,与其它方法相比,该方法对目标漂移有更强的鲁棒性。; 关键词目标跟踪中值流(MF) 随机蕨丛在线多示例学习(mil); Keywords Object tracking Median Flow （MF） Random ferns Online Multiple Instance Learning （mil）; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于在线多示例学习的协同训练目标跟踪算法: 2; 作者李飞王从庆周鑫周大可; 机构南京航空航天大学自动化学院; 出处《吉林大学学报（信息科学版）》 CAS 2015年第2期201-207,共7页; 基金国家自然科学基金资助项目(61172135); 文摘为解决把多示例学习应用到目标跟踪算法而导致的误差积累问题,结合协同训练方法,提出一种新的目标跟踪算法。该算法利用协同训练克服分类器自训练带来的误差积累,同时在线多示例学习提高了跟踪效果的鲁棒性。将跟踪结果中心与理想目标位置中心的误差作为评价标准,在标准视频序列上将跟踪结果与半监督学习跟踪算法和传统多示例学习跟踪算法进行对比。实验结果表明,该方法在背景光照变化、目标旋转等复杂条件下,可很好地跟踪目标,具有较好的鲁棒性。; 关键词多示例学习协同训练目标跟踪在线学习目标检测; Keywords multiple instance learning co-training object tracking online learning object detection; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种基于笔画宽度特征和半监督多示例学习的文本区域鉴别方法: 3; 作者吴锐杜庆安张博宇黄庆成; 机构哈尔滨工业大学计算机科学与技术学院天津航天机电设备研究所; 出处《高技术通讯》 CAS CSCD 北大核心 2016年第2期111-118,共8页; 基金国家自然科学基金(61370162 61440025) 中央高校基本科研业务费专项资金(HIT.NSRIF.2012048)资助项目; 文摘考虑到文本区域鉴别在视频文本检测中的重要作用,提出了一种基于笔画宽度特征的文本区域鉴别方法,该方法通过分析候选文本区域中笔画宽度的分布,有效地区分文本和非文本区域。此外针对笔画宽度信息提取过程中存在未知极性参数的问题,提出了一种半监督多示例学习(SS-MIL)算法,该算法可以充分利用训练样本中不完整的监督信息,提高文本区域分类器的性能。基于上述方法,实现了一个完整的视频文本检测系统,并在具有代表性的数据集上对其进行了充分的实验,实验结果表明,基于笔画宽度特征和SS-MIL的文本区域鉴别方法能够有效地辨别文本区域,从而使该系统检测视频文本的综合性能达到较高水平。; 关键词文本区域鉴别笔画宽度半监督学习多示例学习(mil); Keywords text region verification, stroke width, semi-supervised learning, multi-instance learning （mil）; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于目标性权值度量的多示例学习目标跟踪被引量：1: 4; 作者滑维鑫慕德俊郭达伟刘航; 机构西北工业大学自动化学院中国移动通信集团陕西有限公司; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2017年第7期1364-1372,共9页; 基金国家自然科学基金(61303224 61672433)~~; 文摘针对多示例学习(MIL)跟踪算法在包概率计算过程中对示例样本不加以区分导致分类器性能下降,及采用最大化似然函数选择相应的弱分类构造强分类增加了算法复杂度的问题,提出了一种基于目标性权值学习的多示例目标跟踪算法,该算法利用目标性测量每个示例样本对包概率的重要性,根据其目标性测量结果对每个正示例样本赋予相应的权值,从而判别性地计算包概率,提高跟踪精度。同时在弱分类器选择过程中,采用最大化弱分类器与似然函数概率内积的方法从弱分类器池中选择弱分器构造强分类器,减少算法的计算复杂度。通过对不同复杂场景下视频序列的跟踪,实验结果表明,本文所提出的目标性权值学习的多示例目标跟踪算法优于其对比算法,表现出较好的跟踪精度和鲁棒性能。; 关键词多示例学习(mil) 目标性测量弱分类器选择包概率计算目标跟踪; Keywords multiple instance learning（mil） objectness measure weak classifier selection bag probability calculation object tracking; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于EMD的融合特征快速多示例人脸识别算法被引量：8: 5; 作者邓剑勋熊忠阳曾代敏; 机构重庆大学计算机学院重庆大学数理学院; 出处《四川大学学报（工程科学版）》 EI CAS CSCD 北大核心 2012年第2期99-104,共6页; 基金中国博士后科学基金资助项目(20070420711) 中央高校基本科研业务费科研专项-研究生科技创新基金(CDJXS11180001) +1 种基金重庆市科委自然科学基金计划资助项目(2007BB2372); 文摘在基于五官模版技术的人脸识别中,因光照、角度及缺少整体性考虑等情况,易产生异常示例,影响了算法精度。而适合多示例检索的EMD距离寻优路径较长,导致在人脸识别中应用受限。为此提出一种基于EMD距离的快速融合特征多示例人脸识别算法(IIFEMD-MIL)。针对异常点的问题,通过引入结合整体特征的融合多示例技术以及距离阀值,从而减少异常示例的产生并对超过阈值的示例予以平滑处理;针对寻优路径长的问题,将人脸五官之三结合整体示例为模版构建四示例的一一匹配,并进一步提出了融合快速EMD-MIL框架,缩短了寻优遍历路径。在ORL和MIT图像集上进行的比对实验表明,该算法执行效率和分类准确性优于其他同类算法。; 关键词多示例学习(mil) 人脸识别推土机距离(EMD) 距离阈值融合特征; Keywords multi-instance learning（mil） face recognition earth mover＇s distance（EMD） distance threshold information fusion; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进特征和时间融合框架的区分式跟踪算法: 6; 作者董强刘爱东; 机构华中科技大学光学与电子信息学院武汉光电国家实验室华中光电技术研究所一武汉光电国家实验室; 出处《光电工程》 CAS CSCD 北大核心 2015年第4期14-18,31,共6页; 基金海军预研基金(4010101030201)资助项目; 文摘文章基于多示例学习的跟踪框架,引入改进型的分布场特征并融合目标时间维度信息,提出了一种新的跟踪算法。新的特征能够更为有效地描述目标的空间结构信息,对于目标模糊、局部遮挡以及细微形变有良好的鲁棒性。加入的目标时间维度信息融合方法,包含了目标的历史信息,同时也能响应目标的外观变化,提高了跟踪器从跟踪异常中恢复的能力。通过对比新算法与其他先进算法在多组测试视频上的跟踪结果,可以发现本文提出的算法具有更为优异的性能,能够在各种复杂情况下对目标进行稳定的跟踪。; 关键词目标跟踪多示例学习区分式分类器在线学习; Keywords object tracking multiple instance learning discriminative classifier online boosting; 分类号 TP391 [自动化与计算机技术—计算机应用技术] TP242.6 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于多示例学习和随机蕨丛检测的在线目标跟踪	罗艳项俊严明君侯建华	《电子与信息学报》 EI CSCD 北大核心	2014	6	在线阅读下载PDF 职称材料
2	基于在线多示例学习的协同训练目标跟踪算法	李飞王从庆周鑫周大可	《吉林大学学报（信息科学版）》 CAS	2015	0	在线阅读下载PDF 职称材料
3	一种基于笔画宽度特征和半监督多示例学习的文本区域鉴别方法	吴锐杜庆安张博宇黄庆成	《高技术通讯》 CAS CSCD 北大核心	2016	0	在线阅读下载PDF 职称材料
4	基于目标性权值度量的多示例学习目标跟踪	滑维鑫慕德俊郭达伟刘航	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2017	1	在线阅读下载PDF 职称材料
5	基于EMD的融合特征快速多示例人脸识别算法	邓剑勋熊忠阳曾代敏	《四川大学学报（工程科学版）》 EI CAS CSCD 北大核心	2012	8	在线阅读下载PDF 职称材料
6	改进特征和时间融合框架的区分式跟踪算法	董强刘爱东	《光电工程》 CAS CSCD 北大核心	2015	0	在线阅读下载PDF 职称材料