- 博客(15)
- 收藏
- 关注
RSS订阅原创 粒子滤波，原理简单易懂的视频
2）经过一段运动后，小车产生新的观测值，根据观测值得到这些粒子的可能性大小，产生一个多波峰的新的非高斯概率图（和相关滤波响应图很像）3）在这个新的概率图上重新进行粒子采样，然后继续根据小车运动得到新的非高斯概率图，以此往复使小车位置最终收敛。1）通过初始观测值的非高斯概率进行采样，采用N个粒子表示小车的初始位置。
2024-12-23 17:10:11
197
原创 初学，将LSTM由tensorflow框架转换为pytorch遇到的一些问题汇总
原因是nn.LSTM这个模块不支持torch.float64，如果直接用torch.from_numpy转换向量，其类型是torch.float64，需要加一个.float()转换为torch.float32。
2024-12-18 20:53:08
224
原创 【相关滤波】论文分享，Auto-Learning Correlation-Filter-Based Target State Estimationfor Real-Time UAV Track
当出现遮挡时，TSE极具下降，这时，假定出目标可能出现的四个位置（目标框长宽的固定倍数），重新提取这四个位置的搜索区域并检测，如果这些位置的检测响应图的TSE值大于中心位置的TSE，则认为重新找到目标。根据这个指标，自适应的改变模型更新速率，传统的模型为预定义的学习率，通常在0.9~1之间不等，这样做容易使滤波器学习到错误信息，不够鲁棒。先说一下研究背景，实时相关滤波算法，采用无模型的判别式跟踪策略，能同时兼顾速度和精度，在不依赖深度特征的情况下就能达到高性能。
2023-08-02 16:12:11
152
原创 【投稿分享】International Journal of Intelligent Systems
期刊信息：中科院2区；方向为计算机~人工智能；影响因子：7.0，当时投稿的时候还是8.9，一直在降，但是期刊改革之后IF应该会提升一点。注意：团队中之前也有投稿过这个期刊，当时是免费的，但是在我投稿之后期刊改革成全Open Access了，只要录用就需要，一万八千多RMB，还是很贵的。个人的感觉是，时间相对较长，录用比较容易，加上改革后需要交费，谨慎选择，时间足够宽裕的话还是可以一试的。
2023-07-31 17:24:36
3870
25
转载 【科研tips】学位论文结论与摘要的五大区别
以表述定量结果的差异为例，“不一样”比“高、低、强、弱”差一些，“高、低、强、弱”比“高多少、低多少、强多少、弱多少”差一些）。在问题陈述中以宽的背景起步，结论除交代解决了什么问题外，还可以总结出对本领域科学家甚至更宽阔的领域而言你的研究结果的通用价值。例如，在引言中提出了“全球变暖导致火灾增加吗”这一需要回答的问题，通过研究，给出了“全球变暖只是火灾频率增加的一个原因”的结论。然而，作为学位论文的最后一章，结论包含更多的要素。这里所指的结论，是指论文最后的总结与展望一章，比摘要中的结论一词意义更广一些。
2023-06-11 09:55:04
2135
原创 【相关滤波】SAMF代码理解
打开run_tracker，给一些参数赋值，包括正则化、填充，接下来用switch选择特征，文章中用到的是hogcolor（hog和CN特征），读取视频，从base_path中读取（.\data),读取的有置信度，boundingbox的位置，大小，帧的序号等等，将上述参数传入tracker主函数，调用tracker主函数，先判断boundingbox的大小是否太大，太大则降低分辨率，进行填充创建高斯回归label，转到傅里叶域，即yf，计算余弦窗口，将中心突出，边缘降为0 （cos_win
2022-04-21 15:56:08
1044
2
原创 【相关滤波】HCF一些相关函数
nargin输入参数nargout输出参数strcmp字符串对比函数：strcmp（a，b）若a>b,return 1;a=b,return 0;a<b,return-1fft函数：将一个信号变换到频域numel函数：给出像素数，numel(A，条件)，后面的是约束条件cell函数：返回一个由空矩阵构成的元胞组数size(A,n) n为1返回矩阵行数，2为列数...
2022-04-21 09:45:35
522
原创 OTB50、2013、2015/100具体区别和基准
msg实验室OTB基准：OTB下载benchmark的OTB2013中的51组视频自带的att以及剩下49个OTB2015视频中cfg.mat属性规定的。OTB各个属性的数量以及不同版本的区别：OTB官网图：OTB2013和50相同部分与不同部分：...
2022-03-25 16:15:40
616
原创 OTB50、100、2013、2015的区别
OTB50是Visual Tracker Benchmark网站的前50个视频序列，其中skating因标注对象不同，可以看成是两个视频序列。OTB2013是Wu Y, Lim J, Yang M H. 在CVPR2013上发表的Online object tracking: A benchmark [C]// CVPR, 2013.中的51个视频序列。OTB100、2015是Wu Y, Lim J, Yang M H. Object tracking benchmark [J]. TPAMI, 2
2022-03-18 12:27:16
820
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人