2024年7月7日
星期日
|
欢迎来到贵州省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
陈思
作品数:
1
被引量:15
H指数:1
供职机构:
厦门大学信息科学与技术学院
更多>>
发文基金:
国家教育部博士点基金
国家自然科学基金
福建省自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
合作作者
李绍滋
厦门大学信息科学与技术学院
苏松志
厦门大学信息科学与技术学院
吕艳萍
厦门大学信息科学与技术学院
曹冬林
厦门大学信息科学与技术学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
目标跟踪
1篇
目标跟踪算法
1篇
半监督学习
1篇
BOOSTI...
机构
1篇
厦门大学
作者
1篇
曹冬林
1篇
吕艳萍
1篇
苏松志
1篇
李绍滋
1篇
陈思
传媒
1篇
电子与信息学...
年份
1篇
2014
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于在线半监督boosting的协同训练目标跟踪算法
被引量:15
2014年
基于自训练的判别式目标跟踪算法使用分类器的预测结果更新分类器自身,容易累积分类错误,从而导致漂移问题。为了克服自训练跟踪算法的不足,该文提出一种基于在线半监督boosting的协同训练目标跟踪算法(简称Co-SemiBoost),其采用一种新的在线协同训练框架,利用未标记样本协同训练两个特征视图中的分类器,同时结合先验模型和在线分类器迭代预测未标记样本的类标记和权重。该算法能够有效提高分类器的判别能力,鲁棒地处理遮挡、光照变化等问题,从而较好地适应目标外观的变化。在若干个视频序列的实验结果表明,该算法具有良好的跟踪性能。
陈思
苏松志
李绍滋
吕艳萍
曹冬林
关键词:
目标跟踪
半监督学习
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张