ردیابی بینایی توانمند با استفاده از جنگلهای تصادفی مورب + کد متلب رایگان
پروژه ۲۲۰۷: شبیه سازی مقاله
عنوان مقاله انگلیسی:
Robust Visual Tracking Using Oblique Random Forests
چکیده:
جنگل مورب به عنوان یک تکنیک طبقه بندی قدرتمند با نتایج قدرتمند درکارهای مختلف بینایی شامل طبقه بندی تصویر،تخمین حالت، و تشخیص هدف پدیدار شده است.اما تکنیکهای کنونی بهبود اندکی درردیابی بصری نشان داده اند.انها همچنین بیشتر بر ابرصفحات متعامد معقول تکه ای به منظور ایجاد گره های تصمیم وکمبود یک مکانیسم قدرتمند یادگیری افزایشی که بیشتر برای ردیابی انلاین مورد نیاز است،تکیه می کنند.ما در این مقاله یک ردیاب مجزا پیشنهاد می کنیم که مبتنی بر یک جنگل جدید تصادفی مورب افزایشی می باشد.بر خلاف درختان تصمیم متعامد قراردادی که از یک ویژگی مجزا و اندازه گیریهای ذهنی برای بدست اوردن یک شکاف در هر گره استفاده می کنند،ما استفاده ازیک SVM مبدایی قدرتمند تر را برای بدست اوردن ابرصفحات مورب به منظور ضبط یک ساختار هندسی بهتر برای داده پیشنهاد می کنیم.سطح تصمیم حاصل به محورهای ردیفی محدود نمی شود وبنابراین توانایی ارائه وطبقه بندی بهتر داده های ورودی را دارا می باشد.بعلاوه ما به منظور تعمیم طرحهای ردیابی انلاین ،مراحل به روزرسانی افزایشی را نتیجه گیری می کنیم که به روزرسانی بازگشتی وموثر ابرصفحه ها را در هر گره بصورت بسته امکان پذیر می سازد.ما اثربخشی روش خودمان را با استفاده از دو مجموعه داده معیار(OTB-51,OBT-100) نشان می دهیم ونشان می دهیم که روش ما نتایج رقابتی چند مورد چالش برانگیز را با تکیه برویژگیهای ساده HOGو الگوهای شبکه عصبی عمیق پیچیده تر ارائه می کند.
دانلود رایگان :
مجموعه: پردازش تصویر