多模态深层次高置信度融合跟踪算法

为解决单目标跟踪中因目标外观及环境变化导致的跟踪失败问题,提出一种多模态深层次高置信度融合跟踪算法.首先构建目标颜色模型和基于双线性插值HOG特征形状模型的高维度多模态模型,之后对候选目标利用粒子滤波进行搜索.针对模型融合的难点,通过准确量化形状和颜色模型多种置信度并设计高置信度融合准则,以实现该多模态模型中不同置信度的深层次自适应加权平衡融合.最后针对模型更新参数固定的问题,设计非线性分级平衡更新策略.经过在OTB-2015数据集上的测试,发现该算法的平均CLE和OS在所有参照算法表现中均表现最佳,其值分别为30.57和0.609.此外,其FPS为15.67,满足了跟踪算法在一般情况下的实时性要求.在某些常见的特定场景中,其精确率、成功率指标在多数情况下的表现也超过了同类顶尖算法.

基于置信度融合的自然场景文本检测方法

自然场景文本检测技术已经成为计算机视觉领域重要的研究任务,在图像检索、辅助驾驶、工业检测等领域具有广泛应用。在现有的基于深度学习的自然场景文本检测方法中,非极大抑制算法在对同一个真实文本框的重复检测进行合并和筛选时,将预测框的分类置信度作为排序依据,导致那些定位更精确而分类置信度略低的预测框被抑制,从而影响检测准确率。为了提高预测框的定位精确度,文中提出基于置信度融合的文本检测方法。首先,设计了交并比网络,作为每个预测框的定位置信度;其次,在非极大抑制算法中,将定位置信度与文本分类置信度融合作为预测框排序的依据;最后,在ICDAR2011和ICDAR2013数据集上对该方法进行了实验,结果表明,该方法检测的文本框更加紧致,包含的背景区域更少,可以提高文本检测的准确率。

单条件三元概念构建及其融合推荐应用

三元概念分析已被引入推荐系统领域,但是概念融合环节增加了三元概念的构建复杂度,另外概念信息在推荐时未得到充分利用。本文直接利用单条件三元概念进行推荐,为此设计一种针对单条件三元概念的构建方法和融合推荐算法。首先分解三元背景为多个单条件三元背景,设计概念比例作为启发式信息生成单条件三元概念;接着计算待推荐项目在单条件三元概念上的项目流行度,并结合三元背景的项目条件权重设计融合推荐置信度;最后结合项目的融合推荐置信度和推荐阈值,为目标用户进行推荐预测。本文在6个公开数据集中进行了实验,结果表明在稀疏度较低的数据集上,本文提出的算法相比GRHC和GreConD-kNN的推荐效果略好,与IBCF和kNN的效果相当。

用于多光谱行人检测的改进光照权重融合方法

着卷积神经网络的发展,基于多光谱图像的行人检测研究取得了巨大进步,且应用广泛.最近研究表明,融合由多光谱相机(可见光和热成像相机)捕获的图像信息可以使行人在强光和弱光条件下的检测都变得鲁棒.然而,如何根据光照条件有效地融合图像信息仍缺乏进一步的研究.本文提出了一种多层次特征提取方法,旨在从不同特征层提取有用信息.同时,还提出一种置信度融合机制,测量多光谱图像的光照情况.采用一个融合函数对双流网络输出的分类结果和RPN输出的分类结果进行融合,提高行人检测的性能.通过实验将所提出的多光谱光照感知检测R-CNN(MIAD-RCNN)与现有的多光谱行人检测器进行比较,该方法在全天候均具有较低的漏检率和较快的速度.

基于天空区域分割与置信度图导向融合的去雾方法研究

基于暗通道先验的去雾算法总是存在复原结果中天空区域处理不佳等问题,为了进一步优化对传输函数的估计,本文提出一种基于置信度图导向融合的传输函数优化方法。首先,将雾天图像的天空区域分离出来,以达到对天空区域的优化;计算窗口级暗通道与像素级暗通道,以平滑传输函数在物体边缘并保留小于窗口尺寸的细节特征;最后,计算窗口级暗通道与像素级暗通道之间的置信度图,以其为导向对两者进行融合得到优化的传输函数图,实现图像去雾。实验结果表明,本文算法可达到很好的复原结果优化效果。

农业物联网中多传感器数据智能融合方法研究

针对传统多传感器数据融合方法融合置信度较低的问题,提出一种农业物联网中多传感器数据智能融合方法,利用证据理论对农业物联网中多传感器数据的时空积累信息进行获取,利用获取的时空积累信息建立多传感器数据智能融合模型,通过该模型实现多传感器数据的智能融合。为了验证该方法的融合置信度,将该方法与基于Rough集理论的多传感器数据融合方法、基于数据信息转换的多传感器数据融合方法进行比较,实验结果表明,这三种方法的融合置信度分别是0.965,0.812,0.68。通过对比实验能够证明农业物联网中多传感器数据智能融合方法的融合置信度最高,充分说明了该方法相较于传统多传感器数据智能融合方法更加适用于农业物联网。