基于稀疏表示的相关滤波目标跟踪算法

针对相关滤波跟踪算法在目标形变、背景干扰等复杂场景下,易受干扰特征影响导致跟踪失败的问题,提出了基于稀疏表示的相关滤波目标跟踪算法。该算法将稀疏表示与相关滤波相结合,在目标函数中引入L1范数惩罚项,使训练出的相关滤波器只含有目标的关键特征,同时根据相关滤波系数的空间位置为其分配不同的惩罚参数,并采用交替方向乘子法(alternating direction method of multipliers,ADMM)求解相关滤波器。实验结果表明:该算法在三个常用数据集上,与五种相关滤波跟踪算法相比,具有最高的精确度和成功率,且对复杂场景中的干扰特征具有良好的鲁棒性,同时能够满足目标跟踪实时性的要求。

新的基于多目标优化的推荐算法

针对目前推荐系统效率问题,采用线上、线下分离策略,构建一种新的推荐系统框架。针对推荐系统多目标性和目前众多推荐算法适应性局限等特性,采用混合策略,提出一种新的多目标推荐算法。首先,对多个推荐算法进行加权混合;然后,构建以权重序列为自变量,推荐评价指标F调和率、多样性和新颖度为目标函数的多目标优化模型;其次,采用SPEA2多目标优化算法进行优化求解;最后,基于用户的购物偏好和Pareto解集向用户有针对性地进行购物推荐。实验结果表明:新的推荐算法较子推荐算法在F调和率上持平,在多样性上提高了1%,在新颖度上提高了11.5%;多目标的各个Pareto解在解空间中分布形成了密集邻近的点曲线。该推荐算法能够满足不同购物偏好用户的推荐要求。

基于邻域参数动态变化的局部线性嵌入人脸识别

为了增强局部线性嵌入(LLE)算法对人脸识别中特征的分类性能,将最小生成树算法思想引入,提出一种邻域参数动态变化的新的局部线性嵌入算法。该算法采用单链聚类算法以及对其进一步优化自动确定数据点邻域,改善了一般局部线性嵌入算法固定邻域的不足,及其处理现实中大量非均匀源数据集失效问题的缺点。将改进后的算法结合支持向量机(SVM)分类器进行人脸识别,在ORL和YALE人脸数据库的平均识别率得到较高提升。仿真实验结果验证了该算法的有效性。

一种融合卷积与transformer的级联包检测方法

为解决目前包检测算法检测类别单一、准确度较低、复杂目标难以检测等问题,研究了一种融合卷积与transformer的级联包检测方法,CT-CBDet。首先,设计了deformable conformer作为骨干网络进行特征提取,其在transformer与卷积双网络融合的基础上利用可形变卷积和空间金字塔池化模块实现几何特征变换与多尺度特征融合,以强化针对复杂特征的建模能力;然后,提出一种基于anchor统计特征的自适应正负样本选择的区域建议网络,以平衡不同尺度目标样本正负选择的公平性,增强模型的训练稳定性;最后,利用多阶段损失对模型的级联检测组件进行端到端训练。结果表明,该方法相较于基准方法Cascade RCNN平均精度值提高了5.8%,小尺度目标检测精度提高了10.9%。可见CT-CBDet可有效完成复杂场景下的包检测任务。