检索结果

Select

1. 融合重检测机制的卷积回归网络目标跟踪算法

贾永超, 何小卫, 郑忠龙

计算机应用 2019, 39 (8): 2247-2251. DOI: 10.11772/j.issn.1001-9081.2018122593

摘要（420）

PDF （868KB）（276）

针对基于人工特征的背景感知相关滤波（CACF）算法在形变、运动模糊、低分辨率情形跟踪效果较差以及跟踪器遇到严重遮挡等情形容易陷入局部最优而导致跟踪失败的问题，提出一种融合重检测机制的卷积回归网络（CRN）目标跟踪算法。在训练阶段，将相关滤波作为CRN层融入进深度神经网络，使网络成为一个整体进行端到端训练；在跟踪阶段，通过残差连接融合不同网络层及其响应值，同时引入重检测机制使算法从潜在的跟踪失败中恢复，当响应值低于给定阈值时激活检测器。在数据集OTB-2013上的实验表明，所提算法在50个视频序列上精确度达到88.1%，相比原始CACF算法提高9.7个百分点，在具有形变、运动模糊等属性的视频序列上相比原始算法表现更优秀。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于可变指数及L1保真项的图像去噪算法

耿海何小卫樊骏笠

计算机应用 2013, 33 (10): 2931-2934.

摘要（656）

PDF （678KB）（503）

全变分(TV)模型采用了梯度的1范数作为正则化约束, 它能够沿着梯度方向较好地保护图像的边缘信息，但在图像较均匀区域，容易产生“阶梯”效应。利用梯度的可变指数函数作为正则化项，提出TV模型的改进模型, 该模型既保持TV模型保护图像边缘信息的优点，又可以明显地减少非边界区域“阶梯”效应的产生,同时把〖WTHX〗u-〖WTHX〗f的1范数作为数据保真项增强了模型修复图像破损部分的能力