原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
中图法分类号文献标识码本文编号论文引用格式在线特征选取的多示例学习目标跟踪周志宇彭小龙吴迪冲朱泽飞浙江理工大学信息学院杭州浙江财经大学杭州杭州电子科技大学杭州摘要目的传统的多示例学习跟踪在跟踪过程使用跟踪中构建从模型使用梯度增强来选取模型结果自适应增强在线多实例学习跟踪加权多实例学习跟踪在线特征选取多实例学习跟踪的平均跟踪误差分别为像素像素像素像素本算法在光照变化发生遮挡以及形变的情况下都能准确跟踪目标且具有很高的实时性结论该文提出的选取的多学习跟踪过程在示例水平构建包模型的判别模型判别引言视频
中图法分类号：TP319.4 文献标识码：A 本文编号：1006-8961(2015 ) - -
论文引用格式：
在线特征选取的多示例学习目标跟踪
周志宇1 ， 彭小龙1 ， 吴迪冲2， 朱泽飞3
1.浙江理工大学信息学院, 杭州 310018； 2.浙江财经大学, 杭州 310018； 3.杭州电子科技大学, 杭州 310018
摘 要：目的 传统的多示例学习跟踪在跟踪过程）使用跟踪中构建，从模型，使用梯度增强来选取模型结果自适应增强)、在线多实例学习跟踪)、加权多实例学习跟踪)、在线特征选取多实例学习跟踪)的平均跟踪误差分别为36像素、23像素、24像素
文档评论（0）