-
公开(公告)号:CN112132204A
公开(公告)日:2020-12-25
申请号:CN202010987428.5
申请日:2020-09-18
Applicant: 厦门大学
IPC: G06K9/62
Abstract: 一种基于偏好概率加权采样的鲁棒模型拟合方法,涉及计算机视觉。A.准备数据集;B.赋予数据集中每个数据点权重,循环执行步骤C‑D,生成模型假设;C.从数据点中以权重采样数据点子集,进行模型更新策略,在数据集中通过随机采样生成初始模型假设,并通过迭代方式更新模型假设,直到满足停止标准停止迭代,通过更新选取得到最佳模型假设并加入模型假设集;D.根据偏好概率公式和模型假设集计算各数据点的偏好概率,通过增大偏好概率在一定阈值区间的数据点权重,增加采样小结构模型实例内点概率,减少大结构模型实例和离群点对采样干扰;E.用模型假设集的残差向量集,构建相似度矩阵,应用谱聚类技术对数据聚类,估计多结构模型实例。
-
公开(公告)号:CN112308877A
公开(公告)日:2021-02-02
申请号:CN202011165026.3
申请日:2020-10-27
Applicant: 厦门大学
Abstract: 基于异质模型拟合的运动分割方法,涉及计算机视觉技术。首先,使用基于密度估计技术的投票方法,通过对异质模型假设质量的评价,生成高质量的累积相关矩阵。在此基础上,利用信息论构造稀疏亲和矩阵的方法,有效地抑制了不同目标之间的关联值。最后,利用归一化谱聚类算法对融合后的稀疏亲和矩阵进行分割,得到准确的分割结果。解决现有技术存在的真实场景中外界的光照变化、运动物体的表观和遮挡,可能会导致跟踪点包含异常值和噪声等问题。
-
公开(公告)号:CN112132204B
公开(公告)日:2022-05-24
申请号:CN202010987428.5
申请日:2020-09-18
Applicant: 厦门大学
IPC: G06V10/762 , G06V10/764 , G06K9/62
Abstract: 一种基于偏好概率加权采样的鲁棒模型拟合方法,涉及计算机视觉。A.准备数据集;B.赋予数据集中每个数据点权重,循环执行步骤C‑D,生成模型假设;C.从数据点中以权重采样数据点子集,进行模型更新策略,在数据集中通过随机采样生成初始模型假设,并通过迭代方式更新模型假设,直到满足停止标准停止迭代,通过更新选取得到最佳模型假设并加入模型假设集;D.根据偏好概率公式和模型假设集计算各数据点的偏好概率,通过增大偏好概率在一定阈值区间的数据点权重,增加采样小结构模型实例内点概率,减少大结构模型实例和离群点对采样干扰;E.用模型假设集的残差向量集,构建相似度矩阵,应用谱聚类技术对数据聚类,估计多结构模型实例。
-
公开(公告)号:CN112308877B
公开(公告)日:2022-05-17
申请号:CN202011165026.3
申请日:2020-10-27
Applicant: 厦门大学
IPC: G06T7/215 , G06T7/246 , G06V10/762 , G06K9/62
Abstract: 基于异质模型拟合的运动分割方法,涉及计算机视觉技术。首先,使用基于密度估计技术的投票方法,通过对异质模型假设质量的评价,生成高质量的累积相关矩阵。在此基础上,利用信息论构造稀疏亲和矩阵的方法,有效地抑制了不同目标之间的关联值。最后,利用归一化谱聚类算法对融合后的稀疏亲和矩阵进行分割,得到准确的分割结果。解决现有技术存在的真实场景中外界的光照变化、运动物体的表观和遮挡,可能会导致跟踪点包含异常值和噪声等问题。
-
-
-