期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Adaboost权值更新以及K-L距离的特征选择算法
被引量:
6
1
作者
崔潇潇
王贵锦
林行刚
《自动化学报》
EI
CSCD
北大核心
2009年第5期462-468,共7页
对于颜色、纹理变化较大的目标,边界片段是一种较为稳定的特征.手工分割样本再提取边界片段的传统做法由于工作量巨大而限制了样本的数目,不能满足统计学习中大样本训练的要求.但是如果对训练样本采用自动分割的方法就不可避免地引入很...
对于颜色、纹理变化较大的目标,边界片段是一种较为稳定的特征.手工分割样本再提取边界片段的传统做法由于工作量巨大而限制了样本的数目,不能满足统计学习中大样本训练的要求.但是如果对训练样本采用自动分割的方法就不可避免地引入很多背景中的噪声.在这种情况下特征的选择就显得尤为关键.本文提出一种基于Adaboost权值更新以及K-L距离的特征选择算法,在Adaboost的每一轮训练中动态地选择所有备选边界片段的一个子集作为Adaboost训练的特征集.选择算法以边界片段在正面样本与负面样本中分布的鉴别信息为依据,有效地减少了背景中边界片段的干扰.实验证明该算法是有效的.
展开更多
关键词
目标检测
特征
选择
边界片段特征
权值更新
K—L距离
下载PDF
职称材料
基于级联Adaboost的目标检测融合算法
被引量:
4
2
作者
崔潇潇
姚安邦
+1 位作者
王贵锦
林行刚
《自动化学报》
EI
CSCD
北大核心
2009年第4期417-424,共8页
单一特征的模型对于颜色纹理变化较大的目标的检测往往存在检测率不高或检测速度慢的缺点.本文提出了一种基于级联Adaboost的"级联-加和"融合算法.融合模型由两个独立训练得到的级联Adaboost分类器组成,分别利用边界片段特征...
单一特征的模型对于颜色纹理变化较大的目标的检测往往存在检测率不高或检测速度慢的缺点.本文提出了一种基于级联Adaboost的"级联-加和"融合算法.融合模型由两个独立训练得到的级联Adaboost分类器组成,分别利用边界片段特征和矩形类Haar小波特征描述整个目标以及目标的一个稳定部件.级联-加和的融合决策以样本在两个分类器中被拒绝或通过的级数信息为依据.在多个数据库上的实验证明这种融合检测算法不仅综合了Haar小波特征检测速度快和边界片段特征鲁棒性好的优点,而且与单一特征的分类器相比,检测性能也有所提高.
展开更多
关键词
目标检测
融合模型
边界片段特征
HAAR
特征
级联Adaboost
下载PDF
职称材料
题名
基于Adaboost权值更新以及K-L距离的特征选择算法
被引量:
6
1
作者
崔潇潇
王贵锦
林行刚
机构
清华大学电子工程系
出处
《自动化学报》
EI
CSCD
北大核心
2009年第5期462-468,共7页
基金
国家自然科学基金(60472028)
教育部博士点基金(20040003015)资助~~
文摘
对于颜色、纹理变化较大的目标,边界片段是一种较为稳定的特征.手工分割样本再提取边界片段的传统做法由于工作量巨大而限制了样本的数目,不能满足统计学习中大样本训练的要求.但是如果对训练样本采用自动分割的方法就不可避免地引入很多背景中的噪声.在这种情况下特征的选择就显得尤为关键.本文提出一种基于Adaboost权值更新以及K-L距离的特征选择算法,在Adaboost的每一轮训练中动态地选择所有备选边界片段的一个子集作为Adaboost训练的特征集.选择算法以边界片段在正面样本与负面样本中分布的鉴别信息为依据,有效地减少了背景中边界片段的干扰.实验证明该算法是有效的.
关键词
目标检测
特征
选择
边界片段特征
权值更新
K—L距离
Keywords
Object detection, feature selection, edge-fragment feature, weight updating scheme, K-L distance
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于级联Adaboost的目标检测融合算法
被引量:
4
2
作者
崔潇潇
姚安邦
王贵锦
林行刚
机构
清华大学电子工程系
出处
《自动化学报》
EI
CSCD
北大核心
2009年第4期417-424,共8页
基金
国家自然科学基金(60472028)
教育部博士点基金(20040003015)资助~~
文摘
单一特征的模型对于颜色纹理变化较大的目标的检测往往存在检测率不高或检测速度慢的缺点.本文提出了一种基于级联Adaboost的"级联-加和"融合算法.融合模型由两个独立训练得到的级联Adaboost分类器组成,分别利用边界片段特征和矩形类Haar小波特征描述整个目标以及目标的一个稳定部件.级联-加和的融合决策以样本在两个分类器中被拒绝或通过的级数信息为依据.在多个数据库上的实验证明这种融合检测算法不仅综合了Haar小波特征检测速度快和边界片段特征鲁棒性好的优点,而且与单一特征的分类器相比,检测性能也有所提高.
关键词
目标检测
融合模型
边界片段特征
HAAR
特征
级联Adaboost
Keywords
Object detection, combined model, edge-fragment feature, Haar feature, cascaded Adaboost
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Adaboost权值更新以及K-L距离的特征选择算法
崔潇潇
王贵锦
林行刚
《自动化学报》
EI
CSCD
北大核心
2009
6
下载PDF
职称材料
2
基于级联Adaboost的目标检测融合算法
崔潇潇
姚安邦
王贵锦
林行刚
《自动化学报》
EI
CSCD
北大核心
2009
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部