Online Real Boostingによる物体追跡のための特徴選択(この論文は研究会登録者以外の方は購入できません)
スポンサーリンク
概要
- 論文の詳細を見る
近年,物体検出や物体追跡において,AdaBoost や Real AdaBoost などのブースティングが注目されており,オンライン学習へ応用されている.AdaBoost による Online Boosting は追跡対象に適した弱識別器を繰り返し処理により選択する.そのため,オンライン学習の処理コストが大きく,現時刻のサンプルへの過学習が生じやすい.一方,Real AdaBoost による Online Real Boosting は弱識別器をグループ分割し,各グループから最適な弱識別器を選択する.これにより,処理コストを削減することともに,過学習を抑制している.しかしながら,これまで,どのようにグループ分割を行い,特徴選択するのが良いか論じられていない.そこで,本稿では,複数の弱識別器のグループ分割方法を提案し,それによる追跡精度への影響について調査する.その結果,弱識別器を特徴の種類ごとにグループ分割した場合に,追跡精度が最も向上することが分かった.
- 2011-08-29
論文 | ランダム
- 連続式製茶用蒸機内における茶葉の通過時間分布の解析
- 悠遊トーク 小野真澄さん(女子棒高飛び日本記録保持者)--より高く、自分の頂点に
- 音声治療およびリハビリテーション (特集 気管食道科領域におけるリハビリテーション) -- (音声のリハビリテーション)
- 特集・鉛筆からパステルまで--デッサンの技法
- 油絵入門