排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
基于Hamiltonian马氏链蒙特卡罗方法的突变运动跟踪 总被引:1,自引:0,他引:1
在计算机视觉领域,由镜头切换、目标动力学突变、低帧率视频等引起的突变运动存在极大的不确定性,使得突变运动跟踪成为该领域的挑战性课题.以贝叶斯滤波框架为基础,提出一种基于有序超松弛Hamiltonian马氏链蒙特卡罗方法的突变运动跟踪算法.该算法将Hamiltonian动力学融入MCMC(Markov chain Monte Carlo)算法,目标状态被扩张为原始目标状态变量与一个动量项的组合.在提议阶段,为抑制由Gibbs采样带来的随机游动行为,提出采用有序超松弛迭代方法来抽取目标动量项.同时,提出自适应步长的Hamiltonian动力学实现方法,在跟踪过程中自适应地调整步长,以减少模拟误差.提出的跟踪算法可以避免传统的基于随机游动的MCMC跟踪算法所存在的局部最优问题,提高了跟踪的准确性而不需要额外的计算时间.实验结果表明,该算法在处理多种类型的突变运动时表现出出色的处理能力. 相似文献
2.
多行为推荐系统旨在利用用户多种行为的交互数据来提升系统的推荐性能. 现有的多行为推荐方法通常将多行为数据直接作用于共享的初始化用户表征上, 并在任务中糅合了对用户偏好的挖掘和对不同行为间联系的建模. 然而, 这些算法忽视了不同交互行为中存在的数据不平衡问题(不同行为交互数据量差别较大)以及适配上述两种任务而引起的信息损失问题. 事实上, 用户偏好是指用户在不同行为中表现出来的喜好(例如, 浏览的喜好), 而各行为间的联系表现为用户偏好在不同行为间潜在的转化关系(例如, 浏览转换为购买). 在多行为推荐中, 对用户偏好的挖掘和对行为间联系的建模可以看作两个阶段的任务. 基于上述讨论, 提出基于两阶段学习的多行为推荐. 两阶段策略设计的优势是解耦了前述两种任务. 两阶段策略采取固定参数交替训练的方式实现, 并同时保留了模型端到端的结构. 1)第1阶段专注于不同行为下的用户偏好建模: 先利用所有交互数据(不区分行为类别)对用户的全局喜好进行建模, 以最大程度缓解数据稀疏性问题, 再分别利用各行为的交互数据细化该特定行为下的用户偏好(局部偏好), 以减轻不同行为之间的数据不平衡问题造成的影响. 2)第2阶段专注于对不同行为间联系的建模, 通过解耦对用户偏好的挖掘和对不同行为间联系的建模, 以缓解因适配两种任务而引起的信息损失问题. 这种两阶段模式能够显著提升系统对目标行为的预测能力. 大量实验结果表明, 所提模型在性能上远优于最先进的基线模型, 在Tmall和Beibei两个真实基准数据集上的性能提升平均可以达到103.01%和33.87%. 相似文献
3.
为了认真推广双鸭山试点经验,提高淀粉出酒率,双鸭山白酒厂、宝清酒厂、集贤酒厂、桦川酒厂和饶河酒厂抽调了十七名工人和技术人员,在双鸭山酒厂进行了一次提高淀粉出酒率的技术练兵活动。这次技术练兵的主要目的是:验证省的试点经验结果,使省的试点经验能在全区进一步推广。从4月1日起,至4月20日结束。这次技术练兵以省试点经验为基础,充分交流了各酒厂正反两方面的经验教训,针对各酒厂原料品种和双鸭山酒厂目前使用的原料,采用混合曲、南阳酵母作糖化发酵剂,使淀粉出酒率最高达到75%,平均达到72%,胜利地达到了予期的目的。 相似文献
4.
目的 由于相关滤波(correlation filter,CF)跟踪算法使用循环移位操作增加训练样本,不可避免会引起边界效应问题。研究者大多采用余弦窗来抑制边界效应,但余弦窗的引入会导致样本污染,降低了算法的性能。为解决该问题,提出了嵌入高斯形状掩膜的相关滤波跟踪算法。方法 在空间正则化相关滤波跟踪框架中嵌入高斯形状掩膜,对靠近目标中心和搜索区域边缘的样本重新分配权重,提高中心样本的重要性,同时降低远离中心的边缘样本的重要性,增加中心样本的响应,从而降低样本污染的影响,增强滤波器的判别能力。建立了高斯掩膜相关滤波跟踪算法的目标公式,然后使用交替方向乘子法(alternating direction of multiplier method,ADMM)求解滤波器及空间权重的闭合解。结果 为评估所提算法的跟踪性能,在OTB2013 (online tracking benchmark)、TC128 (temple color)、UAV123 (unmmaned aerial vehicle)及Got-10k (general object tracking)等多个基准数据集上进行了大量实验,并与多个先进的相关滤波跟踪算法对比。结果表明,在OTB2013数据集上精度和成功率分别为90.2%和65.2%,其中精度比基准算法提高0.5%;在TC128数据集上精度和成功率分别为77.9%和57.7%,其中成功率提高0.4%;UAV123数据集上的两个指标数据分别为74.1%和50.8%,精度提高0.3%;在Got-10k数据集上成功率提高了0.2%。结论 与其他相关滤波跟踪算法相比,本文算法在各数据集上的精度和成功率表现出较强的竞争力,显著提高了基准算法的跟踪性能。 相似文献
5.
SLAM(Simultaneous Localization and Mapping),即同时定位与地图构建,目前被广泛应用于机器人领域。SLAM算法使得机器人处于陌生环境时,能够通过自身搭载的传感器来感知环境信息并建立环境地图,并完成对自身位姿的计算,从而能够在未知环境中进行移动。随着研究者们对SLAM问题的深入研究,SLAM领域相关成果已非常丰富,但是有关室内场景SLAM的论述还不够系统。通过对现有的关于SLAM算法发展成果的总结和对比,对室内SLAM进行了综合性的阐述。首先介绍了SLAM的技术现状和室内场景SLAM在不同传感器下的分类问题;其次介绍了SLAM的经典框架;然后根据相关传感器种类的不同,简要介绍了不同传感器下常见的SLAM算法的原理,同时讨论了传统室内SLAM算法中存在的诸多局限性问题,引出了基于多传感器融合技术的SLAM和基于深度学习技术的SLAM两个研究方向;最后介绍了SLAM的未来发展趋势和应用领域。 相似文献
6.
基于高校实践教学的需求,为满足高校教师对软件实训过程管理的需要,提升实训教学质量,提高实践教学工作的效率,本文设计了软件实训教学系统,该系统能够实现学生基本信息的录入、修改,实训成果和实训报告的上传、修改,实训分组和过程管理等功能.使用该系统能够使整个软件实训教学过程全部在网上进行,教师能够更加便捷地监控学生实训进程,... 相似文献
7.
针对金融领域的期权定价问题,为提高粒子滤波算法对期权价格的估计精度,提出使用混合卡尔曼粒子滤波算法(MKPF)进行期权价格预测,该算法使用Unscented 卡尔曼滤波器和扩展卡尔曼滤波器作为混合建议分布产生重要采样密度.在某一时刻,每一个粒子首先经过Unscented卡尔曼滤波器更新得到一个状态估计值,然后以该估计值作为扩展卡尔曼滤波器的先验估计再次更新粒子,得到该时刻最终的估计值.实验中针对经典的Black-Scholes期权定价公式,使用包括MKPF算法在内的4种算法对期权价格进行预测,结果表明MKPF算法预测的期权价格与真实期权价格的误差最小,证明了MKPF算法在期权定价问题中的有效性. 相似文献
8.
9.
相关滤波算法(Correlation filter, CF)已广泛应用于无人机目标跟踪. 然而, 受无人机 (Unmanned aerial vehicle, UAV) 平台本身计算性能的制约, 现有的无人机相关滤波跟踪算法大都仅采用手工特征来描述目标的外观, 难以获得目标的全面语义信息. 并且这些跟踪算法仅能较好地进行光照条件良好场景下的跟踪, 而在跟踪夜间场景下的目标时性能严重下降. 此外, 相关滤波跟踪器采用余弦窗口来抑制循环移位产生的边界效应, 缩小了样本提取区域, 产生了训练样本污染的问题, 这不可避免地降低了跟踪器的性能. 针对以上问题, 提出全天实时多正则化相关滤波算法(All-day and real-time multi-regularized correlation filter, AMRCF)跟踪无人机目标. 首先, 引入一个自适应图像增强模块, 在不影响图像各通道颜色比例的前提下, 对获得的图像进行增强, 以提高夜间目标跟踪性能. 其次, 引入一个轻量型的深度网络来提取目标的深度特征, 并与手工特征一起来表示目标的语义信息. 此外, 在算法框架中嵌入高斯形状掩膜, 在抑制边界效应的同时, 有效避免训练样本污染. 最后, 在5个公开的无人机基准数据集上进行充分的实验. 实验结果表明, 所提出的算法与多个先进的相关滤波跟踪器相比, 取得了有竞争力的结果, 且算法的实时速度约为25 fps, 能够胜任无人机的目标跟踪任务. 相似文献
10.