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
- 活性汚泥プロセスにおける有機性一時貯蔵物質の蓄積
- 共鳴型アジア環境リーダー育成網の展開
- サステイナブルな社会構築のための人材育成と大学の役割
- 微生物のもつ有機物貯蔵能力を利用した省エネルギー型排水処理法の提案
- 討論 サステイナビリティ教育で何を教えるのか--大学の課題 (特集 サステイナビリティ教育--サステイナブルな社会をつくるために)