发表服务
本文介绍了一种高斯混合模型算法的改进方法———将聚类算法与传统高斯混合模型结合起来的建模方法,并同时提出的运用距离加权的矢量量化方法获取初始值，并采用衡量相似度的方法来融合高斯分量。从对比结果可以看..
基于混合高斯建模方法的运动目标检测方法研究与实现毕业论文导师张卫国.doc,摘要运动目标检测是计算机视觉研究领域的基础，它是从图像序列中去除静止的背景区域，将运动区域的前景检测并提取出来，如何有效地把感兴趣的目标如人、物等前景目标从复杂场景中分割出来，并对目标行为做出...
在自动驾驶中，检测模型的速度和准确率都很重要，出于这个原因，论文提出GaussianYOLOv3。该算法在保持实时性的情况下，通过高斯建模、损失函数重建来学习bbox预测值的不确定性，从而提高准确率和TP，能够显著地…
在自动驾驶中，检测模型的速度和准确率都很重要，出于这个原因，论文提出GaussianYOLOv3。.该算法在保持实时性的情况下，通过高斯建模、损失函数重建来学习bbox预测值的不确定性，从而提高准确率和TP，能够显著地降低FP，在KITTI和BDD数据集上分别提升了3.09mAP...
在自动驾驶中，检测模型的速度和准确率都很重要，出于这个原因，论文提出GaussianYOLOv3。该算法在保持实时性的情况下，通过高斯建模、损失函数重建来学习bbox预测值的不确定性，从而提高准确率和TP，能够显著地降低FP，在KITTI和BDD数据集上分别...
简介本文章实现了HaojunSun提出的一种计算高斯混合模型（GMM）重叠率的方法（论文：MeasuringthecomponentoverlappingintheGaussianmixturemodel）。这篇文论提出的方法可以计算任意两个混合高斯分布之间的重叠度。关于高斯混合...
在自动驾驶中，检测模型的速度和准确率都很重要，出于这个原因，论文提出GaussianYOLOv3。.该算法在保持实时性的情况下，通过高斯建模、损失函数重建来学习bbox预测值的不确定性，从而提高准确率和TP，能够显著地降低FP，在KITTI和BDD数据集上分别提升了3.09mAP...
此外，模型可以直接通过数据学习隐式的核函数，从而克服很多函数设计上的限制。在论文《ConditionalNeuralProcesses》中，DeepMind提出了一族模型，可用于解决监督学习问题，并提供了端到端的训练方法，其结合了神经网络和类似高斯过程的特征。
网格曲面上离散高斯曲率计算方法的比较与研究【毕业论文】.docx,网格曲面上离散高斯曲率计算方法的比较与研究作者姓名:指导教师:单位名称:东北大学理学院专业名称:息与计算科学东北大学2015年6月ComparisonandResearchof...
常用的背景建模方法为混合高斯模型法。Lee等人[21]针对混合高斯模型收敛慢的问题，提出了一种在不影响模型稳定性的情况下提高收敛速率的改进算法。该方法通过用自适应学习速率代替全局静态保持因子来实现，其自适应学习率由混合高斯计算得到。
本文介绍了一种高斯混合模型算法的改进方法———将聚类算法与传统高斯混合模型结合起来的建模方法,并同时提出的运用距离加权的矢量量化方法获取初始值，并采用衡量相似度的方法来融合高斯分量。从对比结果可以看..
基于混合高斯建模方法的运动目标检测方法研究与实现毕业论文导师张卫国.doc,摘要运动目标检测是计算机视觉研究领域的基础，它是从图像序列中去除静止的背景区域，将运动区域的前景检测并提取出来，如何有效地把感兴趣的目标如人、物等前景目标从复杂场景中分割出来，并对目标行为做出...
在自动驾驶中，检测模型的速度和准确率都很重要，出于这个原因，论文提出GaussianYOLOv3。该算法在保持实时性的情况下，通过高斯建模、损失函数重建来学习bbox预测值的不确定性，从而提高准确率和TP，能够显著地…
在自动驾驶中，检测模型的速度和准确率都很重要，出于这个原因，论文提出GaussianYOLOv3。.该算法在保持实时性的情况下，通过高斯建模、损失函数重建来学习bbox预测值的不确定性，从而提高准确率和TP，能够显著地降低FP，在KITTI和BDD数据集上分别提升了3.09mAP...
在自动驾驶中，检测模型的速度和准确率都很重要，出于这个原因，论文提出GaussianYOLOv3。该算法在保持实时性的情况下，通过高斯建模、损失函数重建来学习bbox预测值的不确定性，从而提高准确率和TP，能够显著地降低FP，在KITTI和BDD数据集上分别...
简介本文章实现了HaojunSun提出的一种计算高斯混合模型（GMM）重叠率的方法（论文：MeasuringthecomponentoverlappingintheGaussianmixturemodel）。这篇文论提出的方法可以计算任意两个混合高斯分布之间的重叠度。关于高斯混合...
在自动驾驶中，检测模型的速度和准确率都很重要，出于这个原因，论文提出GaussianYOLOv3。.该算法在保持实时性的情况下，通过高斯建模、损失函数重建来学习bbox预测值的不确定性，从而提高准确率和TP，能够显著地降低FP，在KITTI和BDD数据集上分别提升了3.09mAP...
此外，模型可以直接通过数据学习隐式的核函数，从而克服很多函数设计上的限制。在论文《ConditionalNeuralProcesses》中，DeepMind提出了一族模型，可用于解决监督学习问题，并提供了端到端的训练方法，其结合了神经网络和类似高斯过程的特征。
网格曲面上离散高斯曲率计算方法的比较与研究【毕业论文】.docx,网格曲面上离散高斯曲率计算方法的比较与研究作者姓名:指导教师:单位名称:东北大学理学院专业名称:息与计算科学东北大学2015年6月ComparisonandResearchof...
常用的背景建模方法为混合高斯模型法。Lee等人[21]针对混合高斯模型收敛慢的问题，提出了一种在不影响模型稳定性的情况下提高收敛速率的改进算法。该方法通过用自适应学习速率代替全局静态保持因子来实现，其自适应学习率由混合高斯计算得到。
发表服务