多目标跟踪中基于次模优化的轨迹片段生成方法

作为智能视觉任务的基础工作,多目标跟踪(MOT)一直是计算机视觉领域具有挑战性的课题之一。遮挡是影响跟踪准确性的主要因素,为此该文采用基于检测跟踪的思想,以轨迹片段为基础进行关联获取目标的完整轨迹;同时,为提高跟踪鲁棒性,该文将轨迹片段的生成问题转化为运筹学中的设施选址问题,并进而提出基于次模优化的轨迹片段生成方法。该方法融合梯度(HOG)和颜色(CN)两个互补特征进行目标表征,并根据运动信息设计权重系数提高目标匹配准确度,最后提出具有约束的次模最大化算法实现全局范围内的数据关联生成轨迹片段。通过在多个基准数据集上的对比实验,表明该文算法在保证性能的同时能有效处理遮挡问题。

基于次模优化的边云协同多用户计算任务迁移方法

为了提升多用户计算任务卸载时的系统效用,提出了一种基于边云联合计算的多用户任务卸载方案。该方案在提升系统效用的同时,考虑了边云资源的协同优化问题。针对计算任务卸载模式的选择及边云资源分配的问题,设计了一种基于次模理论的贪心算法并充分利用了云端以及边缘端的计算和通信资源。仿真结果表明,所提方案能够有效降低计算任务执行的时延和能耗,且当多用户卸载计算任务时,所提方案在资源受限的条件下仍然能够保持稳定的系统性能。

关于次模函数优化及其应用的综述

为了阐述次模函数在自动摘要、多文档摘要、特征提取、主动学习、传感器放置、图像采集摘等多个领域的广泛应用,通过文献调研及信息研究等方法,对近些年来国内外学者在该研究领域取得的成果进行了系统总结,阐释了次模函数的分类和定义,在此基础上总结了次模最小化问题、次模最大化问题等相关性问题,重点综述了次模函数的优化和应用。旨在给从事这方面工作的研究人员一个基本的指导,能够为一个完整的次模函数研究贡献自己的一份力量.