检索结果-内蒙古大学图书馆

电子与信息学报 2021年第11期43卷 3335-3341页

作者：袁广林孙子文秦晓燕夏良朱虹中国人民解放军陆军炮兵防空兵学院信息工程系合肥230031

基于结构化svm的目标跟踪由于其优异的性能而受到了广泛关注,但是现有方法存在正样本和负样本不平衡问题。针对此问题,该文首先提出一种用于目标跟踪的代价敏感结构化svm模型,其次基于对偶坐标下降原理设计了该模型的求解算法,最后利用... 详细信息

基于结构化svm的目标跟踪由于其优异的性能而受到了广泛关注,但是现有方法存在正样本和负样本不平衡问题。针对此问题,该文首先提出一种用于目标跟踪的代价敏感结构化svm模型,其次基于对偶坐标下降原理设计了该模型的求解算法,最后利用提出的代价敏感结构化svm实现了一种多尺度目标跟踪方法。在OTB100数据集和VOT2019数据集上进行了实验验证,实验结果表明:该文方法相比相关滤波目标跟踪方法,跟踪精度较高,相比深度目标跟踪方法,具有速度优势。

关键词：目标跟踪非平衡问题代价敏感结构化svm

来源：评论

学校读者我要写书评

暂无评论

基于弹载图像的代价敏感与平滑约束结构化svm目标跟踪方法

引用

兵器装备工程学报 2024年第6期45卷 142-149页

作者：孙子文钱立志杨传栋袁广林凌冲陆军炮兵防空兵学院高过载弹药制导控制与信息感知实验室合肥230031 陆军炮兵防空兵学院信息工程系计算机教研室合肥230031

目标自寻的炮弹打击目标时,传统的目标跟踪方法易受混杂背景的影响,产生模型漂移从而导致跟踪失败。近年来,随着结构化svm技术的发展,基于结构化svm的目标跟踪方法能够有效解决复杂背景的问题。弹载成像条件下,在结构化svm目标跟踪方法... 详细信息

目标自寻的炮弹打击目标时,传统的目标跟踪方法易受混杂背景的影响,产生模型漂移从而导致跟踪失败。近年来,随着结构化svm技术的发展,基于结构化svm的目标跟踪方法能够有效解决复杂背景的问题。弹载成像条件下,在结构化svm目标跟踪方法的基础上,增加代价敏感权重解决弹载图像中背景混杂所引起的正、负样本不平衡问题,同时利用t时刻超平面法向量w_(t)与t-1时刻超平面法向量w_(t-1)差值的L_(2)范数作为平滑约束抑制模型漂移问题。通过基于对偶坐标下降原理设计了模型的求解算法并实现一种多尺度目标跟踪方法Scale-CS_Ssvm。在弹载数据集上进行实验验证,结果表明:与Scale-DLSsvm方法相比,Scale-CS_Ssvm在跟踪精度和成功率上分别提高了5.5和5.0个百分点,达到了最优的性能。

关键词：弹载图像目标跟踪代价敏感平滑约束结构化svm

来源：评论

学校读者我要写书评

暂无评论

基于DIoU损失与平滑约束的结构化svm目标跟踪方法

引用

计算机科学 2024年第S1期51卷 389-396页

作者：孙子文袁广林李从利秦晓燕朱虹中国人民解放军陆军炮兵防空兵学院兵器工程系合肥230031 中国人民解放军陆军炮兵防空兵学院信息工程系合肥230031

基于结构化svm的目标跟踪因其优良的性能而受到了广泛的关注,但是现有方法存在损失函数不精确和模型漂移问题。针对这两个问题,首先提出基于DIoU损失与平滑约束的结构化svm模型。该模型采用DIoU函数作为损失函数,利用t时刻超平面法向量w... 详细信息

基于结构化svm的目标跟踪因其优良的性能而受到了广泛的关注,但是现有方法存在损失函数不精确和模型漂移问题。针对这两个问题,首先提出基于DIoU损失与平滑约束的结构化svm模型。该模型采用DIoU函数作为损失函数,利用t时刻超平面法向量w_(t)与t-1时刻超平面法向量w_(t-1)差值的L_(2)范数作为平滑约束。其次基于对偶坐标下降原理设计了该模型的求解算法。最后利用提出的基于DIoU损失与平滑约束的结构化svm实现了一种多尺度目标跟踪方法。对所提出的目标跟踪方法在OTB100和VOT-ST2021数据集上进行了实验验证,实验结果表明:所提出的Scale-DCSsvm在OTB数据集上的跟踪成功率比DeepSRDCF高1.1个百分点,在VOT-ST2021上的EAO比***高1.2个百分点。所提方法具有较优的性能。

关键词：目标跟踪结构化svm DIoU损失平滑约束

来源：评论

学校读者我要写书评

暂无评论

一种基于模糊结构化svm的目标跟踪算法

引用

舰船电子工程 2021年第9期41卷 46-48,61页

作者：孙子文夏良中国人民解放军陆军炮兵防空兵学院信息工程系合肥230031

基于结构化svm的目标跟踪由于其优异的性能而受到了广泛关注,但是现有方法存在采样样本不均衡问题。针对此问题,论文提出一种基于模糊结构化svm的目标跟踪模型,针对每一个样本设计了相应的重要度函数,基于对偶坐标下降原理对算法进行求... 详细信息

基于结构化svm的目标跟踪由于其优异的性能而受到了广泛关注,但是现有方法存在采样样本不均衡问题。针对此问题,论文提出一种基于模糊结构化svm的目标跟踪模型,针对每一个样本设计了相应的重要度函数,基于对偶坐标下降原理对算法进行求解。对提出目标跟踪方法进行了实验验证,实验结果表明:与基准跟踪器DLSsvm跟踪算法相比,在精确率和成功率两个指标上分别提高2.7%,3.6%。在背景混杂、目标形变、遮挡和运动模糊等属性视频中性能也有明显提高。

关键词：目标跟踪结构化svm 非平衡问题

来源：评论

学校读者我要写书评

暂无评论

一种处理结构化输入输出的中文句法分析方法

引用

中文信息学报 2015年第1期29卷 139-145页

作者：赵国荣王文剑山西大学计算机与信息技术学院山西太原030006

中文句法结构复杂,特征维数较高,目前已知最好的汉语句法分析效果与其他西方语言相比还有一定的差距。为进一步提高中文句法分析的效率和精度,该文提出一种采用二阶范数软间隔优化的结构化支持向量机(Structural Support Vector Machine... 详细信息

中文句法结构复杂,特征维数较高,目前已知最好的汉语句法分析效果与其他西方语言相比还有一定的差距。为进一步提高中文句法分析的效率和精度,该文提出一种采用二阶范数软间隔优化的结构化支持向量机(Structural Support Vector Machines,Structural svms)方法对基于短语结构的中文句法进行分析,通过构造结构化特征函数ψ(x,y),体现句法树的输入信息,并根据中文句子本身具有的强相关性,在所构造的ψ(x,y)中增加中文句法分析树中父节点的信息,使ψ(x,y)包含了更加丰富的结构信息。在宾州中文树库PCTB上的实验结果表明,该文方法与经典结构化支持向量机方法以及Berkeley Parser相比可取得较好的效果。

关键词：中文句法分析加权上下文无关文法结构化svm 二阶范数软间隔优化

来源：评论

学校读者我要写书评

暂无评论

基于结构化支持向量机的中文句法分析

引用

山西大学学报(自然科学版) 2011年第1期34卷 66-70页

作者：王文剑王亚贝山西大学计算智能与中文信息处理教育部重点实验室山西大学计算机与信息技术学院

通过构造结构化函数ψ(x,y),提出一种基于结构化支持向量机(svm-Struct)的中文句法分析方法.实验结果表明,与经典的概率上下文无关文法(PCFG)相比,文章提出的方法在中文句法分析方面是十分有效的.

关键词：支持向量机结构化svm 中文句法分析

来源：评论

学校读者我要写书评

暂无评论

一种基于潜变量的Ranking模型构造算法

引用

华东理工大学学报（自然科学版） 2011年第6期37卷 739-744页

作者：程凡李龙澍仲红刘政怡安徽大学计算机科学与技术学院合肥230039 中国科学技术大学计算机科学与技术学院合肥230027

现有的Ranking算法获得的模型全部来自训练数据,因为很多模型的有用信息并不能完全从训练数据中得到,因此这样得到的模型不够精确,对此,提出一种基于潜变量的Ranking算法。该算法以结构化svm为学习工具,将除训练数据外的其他有用信息以... 详细信息

现有的Ranking算法获得的模型全部来自训练数据,因为很多模型的有用信息并不能完全从训练数据中得到,因此这样得到的模型不够精确,对此,提出一种基于潜变量的Ranking算法。该算法以结构化svm为学习工具,将除训练数据外的其他有用信息以潜变量形式引入算法的框架中,并在此基础上定义了面向NDCG的目标函数。针对该目标函数非凸非平滑,首先使用"凹-凸过程"进行逼近,然后用"近似Bundle法"展开优化计算。基准数据集上的实验结果表明:相比完全依靠训练数据的Ranking算法,本文算法获得的模型更为精确。

关键词： Ranking算法潜变量结构化svm NDCG 凹-凸过程近似Bundle法

来源：评论

学校读者我要写书评

暂无评论

基于结构化学习的小群体主导者检测方法

引用

中国计量大学学报 2017年第1期28卷 57-62页

作者：章东平钱乐义中国计量大学信息工程学院浙江杭州310018

人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化svm的学习框架,并结合... 详细信息

人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化svm的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

关键词：人群分析主导者检测时间滞后分析结构化svm

来源：评论

学校读者我要写书评

暂无评论

仿生物视觉机制的目标跟踪算法研究

仿生物视觉机制的目标跟踪算法研究

引用

作者：陈俊吉华北理工大学

学位级别：硕士

目标跟踪方法的研究是计算机视觉领域中的一项重要应用,也是安防、交通和人机交互的核心技术,目标跟踪的目前困难的地方在于需要在一个算法中考虑到外观变形,光照变化,快速运动和运动模糊,背景相似干扰等问题,并使其在跟踪过程中具有高... 详细信息

目标跟踪方法的研究是计算机视觉领域中的一项重要应用,也是安防、交通和人机交互的核心技术,目标跟踪的目前困难的地方在于需要在一个算法中考虑到外观变形,光照变化,快速运动和运动模糊,背景相似干扰等问题,并使其在跟踪过程中具有高度实时性。我在目标跟踪方向主要作了以下的研究。1)针对目标跟踪领域,比如因外部光照变化导致物体呈现的颜色发生改变或目标物运动导致发生形变,以及目标被遮挡时引起跟踪目标的失踪等问题,从跟踪模型的角度出发,提出了一种融合深度特征的核相关滤波跟踪算法。实验结果表明,当目标物出现了遮挡和光照变化,其跟踪效果依然具有较好的稳定性。2)针对原有的跟踪模型计算复杂,跟踪效果迟滞,提出一种新的算法命名为BIMT。该算法采用生物视觉记忆机制激励模型来表示目标外观模型的构建,模拟了人类对目标信息的观察机制,采用结构化支持向量机(svm)分类器模拟瞬时记忆工作空间,将目标跟踪器与背景噪声分离。跟踪结果验证了所提出的跟踪算法的实用性,证明了基于生物视觉的跟踪机制具有广阔的应用前景。3)将BIMT目标跟踪算法应用到移动机器人平台上,结合控制芯片和单目相机,准确估计目标位置信息,实验效果验证了提出的跟踪算法的实用性,证明了BIMT跟踪算法在跟踪领域有广阔的应用前景。图29幅;表7个;参50篇。

关键词：相关滤波生物激励模型目标跟踪视觉记忆机制结构化svm

来源：评论

学校读者我要写书评

暂无评论

基于判别式分类器的复杂场景下视频多目标跟踪研究

基于判别式分类器的复杂场景下视频多目标跟踪研究

引用

作者：刘静雪华北电力大学

学位级别：硕士

近年来,视频监控在安防领域得到了广泛的应用,特别是在大型活动现场、学校、银行、商场、机场、高速公路、地铁等对安全要求敏感的场合。视频监控系统一般包括运动目标检测,目标跟踪,行为检测,异常信息归档等模块。其中,多目标跟踪在很... 详细信息

近年来,视频监控在安防领域得到了广泛的应用,特别是在大型活动现场、学校、银行、商场、机场、高速公路、地铁等对安全要求敏感的场合。视频监控系统一般包括运动目标检测,目标跟踪,行为检测,异常信息归档等模块。其中,多目标跟踪在很多方面得到了广泛的应用,是近年来计算机视觉、人机交互系统、模式识别等领域的热门研究问题。但是,多目标跟踪还存在诸多问题有待研究。本文针对国内外多目标跟踪算法进行归纳,分析各自优缺点,主要包括目标视觉表示模型和多目标跟踪方法研究,并总结了多目标跟踪算法的难点,最后讨论了多目标跟踪算法未来发展趋势。本论文主要创新工作及研究成果如下:1)本文首先针对复杂场景下,如光照变化、方向变化、尺度变化等,单一特征的目标视觉表示模型很难准确描述目标图像,可靠性较差的问题,提出了一种基于模糊理论和主成分分析法的多特征融合算法,该算法首先提取目标的颜色特征、纹理特征以及梯度特征,接着采用模糊理论对特征进行粗选择,最后利用PCA算法对粗选择后的特征进行融合,有效减少算法复杂度。实验结果表明,融合特征能够较好地适应场景的变化,取得更加鲁棒的跟踪结果。2)融合时空约束的判别式分类模型理论的建立。针对现有的基于判别式模型的多目标跟踪算法中判别模型没有同时利用多目标间时空关系的问题,论文根据同一帧中多个目标间的位置关系,以及目标的运动关系,建立了融合时空约束和结构化svm的判别式分类模型,最后利用被动-主动(Passive Aggressive,PA)算法实现对判别式分类模型参数的更新。3)基于时空约束判别式分类模型的多目标跟踪算法。基于时空约束判别式分类模型实现视频多目标的跟踪,该算法首先提取图像中每个目标区域的HOG特征,并结合结构化支持向量机分类器进行样本训练,得到每个目标的外观模型。其次使用最小生成树模型来构建同一帧中各个目标间的空间约束,基于目标的运动信息建立时间约束。在跟踪过程中,使用结构化svm框架进行参数的在线学习,实时地更新各个目标的外观模型、空间以及时间约束。该算法充分利用了目标时空关系,与仅基于空间约束的多目标跟踪算法相比,在公用数据集上的实验结果表明,该算法具有一定的改善。

关键词：多目标跟踪结构化svm 特征融合时空约束

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：