戴经成
- 作品数：4 被引量：2H指数：1
- 供职机构：合肥工业大学计算机与信息学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 自适应嵌套级联的在线集成学习方法研究
- 2014年
- 针对视频目标检测问题,提出一种新的在线集成学习方法。该方法把目标检测看成两类分类问题,首先用少量已标注样本离线训练一个初始集成分类器,然后在检测目标的同时通过跟踪过滤虚警目标,并通过样本置信度作进一步验证自动标注样本,最后通过在线集成学习方法更新级联分类器。该方法通过在线调整级联分类器,提高分类器对目标环境变化的适应能力,在大量视频序列上进行实验验证,并与现有在线集成学习方法进行比较,结果表明,通过该方法训练得到的检测器不但能够很好地应对目标特征的变化,也能在出现目标遮挡及背景干扰下稳定地检测出目标,具有较好的适应性及鲁棒性。
- 游生福汪荣贵戴经成张冬梅
- 关键词：目标检测GENTLEADABOOST算法
- 复杂干扰下字符串的分割与识别方法
- 本发明公开了一种复杂干扰下字符串的分割与识别方法，其特征是：在学习阶段，将包含有m个字符的图像切分成m份图片，构成多示例学习的包，并将同一字符作为一类，将包归类入库。再计算包的积分图，提取出包的haar-like特征作为...
- 汪荣贵戴经成周良李想游生福查炜
- 文献传递
- 在线多示例学习目标跟踪方法研究被引量：2
- 2014年
- 多示例学习是不同于传统机器学习的一种新的学习模式,近年来被应用于图像检索、文本分类等领域。提出一种基于在线学习的多示例学习算法,将其应用于目标跟踪。该算法通过构造一个在线学习的多示例分类器作为检测器,无需制作大量的样本进行离线的训练,只需在第一帧手动选中目标,便可以自动生成正样本和负样本,并在随后的帧序列中,根据跟踪到的目标自动更新分类器,在跟踪器丢失目标或者目标从场景中消失后,它能够重新检测到目标并更新跟踪器,从而有效地支持了跟踪器跟踪目标。实验证明该方法在背景复杂,光线变化,摄像机抖动等复杂条件下,可以很好地跟踪到目标,且对遮挡具有较好的鲁棒性。
- 戴经成汪荣贵游生福李想
- 关键词：多示例学习目标跟踪
- 基于多示例学习的图像分析方法研究
- 多示例学习被认为是继监督学习,无监督学习和强化学习之后的第四类机器学习方法,它的出现为机器学习注入了新的活力,在图像处理、股票市场分析等领域有着广泛的应用前景。本文对多示例学习的基本理论和算法展开研究,并将其应用于图像分...
- 戴经成
- 关键词：多示例学习字符识别目标跟踪
- 文献传递
