检索结果

Select

1. 基于实例分割与毕达哥拉斯模糊决策的目标跟踪

赵元龙, 单玉刚, 袁杰, 赵康迪

《计算机应用》唯一官方网站 2023, 43 (6): 1930-1937. DOI: 10.11772/j.issn.1001-9081.2022050674

摘要（172）

HTML （6）

PDF （3011KB）（70）

为了解决目标跟踪中的尺度变化、相似性干扰、遮挡等问题，提出一种基于实例分割与毕达哥拉斯模糊决策的目标跟踪算法。在实例分割网络YOLACT++ （improved You Only Look At CoefficienTs）的基础上，融合3种不同的匹配方式针对不同场景预测跟踪结果；同时提出一种基于毕达哥拉斯模糊决策的模板更新机制，即根据预测结果的质量作出是否更新目标模板和更换匹配方式的决定。实验结果表明，所提算法能够更准确地跟踪存在尺度变化、相似性干扰、遮挡等问题的视频序列。相较于SiamMask算法，所提算法在DAVIS 2016、DAVIS 2017数据集上的区域相似度分别提高了12.3、15.3个百分点，在VOT2016、VOT2018数据集上的预期平均重叠率（EAO）分别提高了4.2、4.1个百分点，且所提算法的平均跟踪速度为每秒32.00帧，满足实时性要求。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于统一计算设备架构和基因表达式编程的自动聚类算法

杜欣刘大刚张开活申远赵康倪友聪

计算机应用 2013, 33 (07): 1890-1893. DOI: 10.11772/j.issn.1001-9081.2013.07.1890

摘要（912）

PDF （718KB）（531）

针对基于基因表达式编程(GEP)的自动聚类算法GEP-Cluster中聚类中心的筛选和聚合、计算数据对象到各聚类中心距离两个关键步骤效率不高的问题，提出了一种基于统一计算设备架构(CUDA)和GEP的自动聚类改进算法(CGEP-Cluster)。CGEP-Cluster算法采用基因阅读运算器方法对GEP-Cluster算法的聚类中心筛选和聚合步骤进行改进，并基于CUDA将GEP-Cluster算法中数据对象到各聚类中心距离的计算并行化。实验结果表明，在数据对象规模较大时，CGEP-Cluster算法可获得8倍左右的加速比。CGEP-Cluster算法可用于聚类数未知且数据对象规模较大情况下的自动聚类。

参考文献 | 相关文章 | 多维度评价

Select

3. 点云化自由曲面上闭合加工路径数学建模

沙睿李杨赵康僆都思丹

计算机应用 2010, 30 (9): 2470-2472.

摘要（1517）

PDF （669KB）（977）

为了解决点云化曲面上闭合加工路径识别问题，对扫描仪获得的大量点云数据先进行网格化约减，提取含有加工路径点云的轮廓网格，再根据网格中的点云估算出网格的特征点，特征点信息包括三维空间坐标和法向量，将特征点有序化，最后用贝塞尔曲线簇建模。最终加工路线由一条封闭的光滑的自由曲线表示，解决了闭合加工路径的识别问题。