一種融合極限學(xué)習(xí)機和改進煙花算法的混合式目標跟蹤技術(shù)_第1頁
一種融合極限學(xué)習(xí)機和改進煙花算法的混合式目標跟蹤技術(shù)_第2頁
一種融合極限學(xué)習(xí)機和改進煙花算法的混合式目標跟蹤技術(shù)_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

目標跟蹤技術(shù)在計算機視覺和機器人控制等領(lǐng)域中具有廣泛的應(yīng)用。目標跟蹤任務(wù)通常包括從圖像序列中提取目標的特征,并利用這些特征和回歸問題。ELM的主要優(yōu)點是快速訓(xùn)練和高精度的預(yù)測結(jié)果。ELM利大大降低了訓(xùn)練時間。ELM在各種應(yīng)用中都取得了很好的效果,例如圖燒過程,并通過改變爆炸和燃燒的參數(shù)來實現(xiàn)求解最優(yōu)解的目的。FA主來更新最優(yōu)解。FA可以在多種優(yōu)化問題中應(yīng)用,并且取得了非常好的結(jié)ELMFA的混合式目標跟蹤技術(shù)。該技術(shù)的核心思想是結(jié)合ELM來預(yù)測目標的運動狀態(tài),并結(jié)合改進FA來進ELM單獨使用難以解決復(fù)雜跟蹤任務(wù)的問題,又可以通過FA的優(yōu)化能力來提高跟蹤性能和魯棒性。步驟1:提取目標的特征SIFT、SURF或HOG等算法來檢測目標的特征點。2ELM算法可以實現(xiàn)目標的運動狀態(tài)預(yù)測。我們可以根據(jù)目標的ELM算法,我們可以3FAELM算法得到目標的運動狀態(tài)估計之后,我們可以將這些信息作FAFA算法中的爆炸、燃燒和更OTB-50OTB-100作為我們的實驗ELMFA算法相比,混合式ELMFA術(shù)可以充分利用ELM算法的高效性和改進FA算法的可靠性和優(yōu)化能力,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論