检索结果

Select

1. 融合层次特征和混合注意力的目标跟踪算法

朱文球, 邹广, 曾志高

《计算机应用》唯一官方网站 2022, 42 (3): 833-843. DOI: 10.11772/j.issn.1001-9081.2021030432

摘要（325）

HTML （16）

PDF （9505KB）（182）

目标跟踪任务中，全卷积孪生网络的目标跟踪（SiamFC）算法在目标遮挡、光照变化等场景时会表现出鲁棒性较差、丢失跟踪目标等问题，为此提出一种结合特征融合和注意力机制的目标跟踪算法。首先，采用ResNet50作为主干网络提取更充分的目标特征；其次，结合注意力机制对特征进行筛选，将筛选后的低层模板特征与高层模板特征分别同对应搜索特征做互相关操作后进行自适应加权融合，提升网络对正负样本的辨别力。在OTB100数据集上测试，所提算法的精度和成功率分别为81.25%和64.06%；在LaSOT数据集上测试，该算法的精度和成功率分别为49.4%和50.1%。实验结果表明，该算法目标跟踪性能优于全卷积孪生网络算法，且在处理复杂场景时有更好的鲁棒性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 流形上的k最近邻分类方法

文志强胡永祥朱文球

计算机应用 2012, 32 (12): 3311-3314. DOI: 10.3724/SP.J.1087.2012.03311

摘要（859）

PDF （777KB）（531）

针对分类数据中存在噪声样本和维数问题，提出了流形上的k最近邻方法。首先，利用贝叶斯公式对经典k最近邻方法进行扩展，并采用核概率密度方法估计样本的局部联合概率密度；其次，建立噪声样本点对模型，并构建改进的边际本征图和相应的权值矩阵，通过定义目标函数寻找最优降维映射矩阵；最后，提出一个完整的流形上k最近邻算法。与6种经典方法在12个常用数据集上的实验比较表明，在大多数情况下所提方法的分类性能要优于其他方法。

相关文章 | 多维度评价

Select

4. 基于级联式Boosting方法的人脸检测

朱文球，罗三定

计算机应用 2005, 25 (09): 2128-2130. DOI: 10.3724/SP.J.1087.2005.02128

摘要（885）

PDF （189KB）（987）

提出一种基于级联式Boosting方法的人脸检测算法。先用PCA方法对人脸图像进行特征参数的提取,在此基础上,利用算法中的每一个Boosting分类器学习的历史信息,基于线性回归特征消除(RFE)策略,消除AdaBoost中的冗余,据此判别一幅图像是否为人脸图像。在ORL人脸图像库的仿真实验结果显示,这种方法明显提高了检测性能,证明了该算法是有效的。