排序方式: 共有76条查询结果,搜索用时 62 毫秒
1.
2.
针对基于三元组损失的单一深度距离度量在多样化数据集环境下适应性差,且容易造成过拟合的问题,提出了一种优化三元组损失的深度距离度量学习方法。首先,对经过神经网络映射的三元组训练样本的相对距离进行阈值化处理,并使用线性分段函数作为相对距离的评价函数;然后,将评价函数作为一个弱分类器加入到Boosting算法中生成一个强分类器;最后,采用交替优化的方法来学习弱分类器和神经网络的参数。通过在图像检索任务中对各种深度距离度量学习方法进行评估,可以看到所提方法在CUB-200-2011、Cars-196和SOP数据集上的Recall@1值比之前最好的成绩分别提高了4.2、3.2和0.6。实验结果表明,所提方法的性能优于对比方法,同时在一定程度上避免了过拟合。 相似文献
3.
为了有效地检测出交通场景中的运动车辆,在背景建模阶段,提出在多个子时间组里建立多个自适应的纹理直方图作为像素的背景描述模型,能更好地适应环境变化。为了充分地描述纹理信息,扩展了LBP(local binary pattern)算子;为了更好地实现减背景方法,采用的二维Otsu阈值分割方法能有效消除噪声的影响;为了解决背景更新滞后的问题,使用帧间差分能更准确地提取出运动车辆。在不同交通场景下的实验比较结果表明了该算法的有效性。 相似文献
4.
6.
7.
8.
9.
为了更有效地检测视频序列中的阴影,提出基于组合特征和HSI颜色空间的阴影检测算法.对提取的前景,先采用扩展的不变矩和Gabor小波变换分别抽取待识别区域的全局特征和局部特征来建立组合特征向量,再通过建立的HSI空间的阴影颜色模型来准确检测出目标的阴影.实验结果表明,该算法具有良好的阴影检测效果. 相似文献
10.