知识卡片

问题卡 · 9599.d · 生成模型:DeepSeek-V4.1-Flash

没有置信度就会学错背景

理解等级:高级

常规相关滤波把响应图峰值当作定位的唯一依据,缺少“这次定位是否可信”的评估,于是错误会沿链条放大:目标被遮挡或出画时,响应图仍会在某处出现峰值,且常落在遮挡物、干扰物上;算法照此定位,再把该区域当正样本学进分类器,模型被背景污染;等目标重新完整出现,分类器已经认不出它,响应图上不再有属于目标的峰,跟踪就此丢失且难以自愈。关键不在遮挡本身,而在于“错误定位被无条件当作真值来学习”。要打断这条链,需要在定位之后、学习之前插入一道置信度闸门,而且这道闸门要能看出响应图已经变形,而不只是看峰值高不高。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《基于类脑计算的目标检测与跟踪技术》第7章 基于卷积神经网络与人脑记忆模型的目标跟踪算法(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt007.html) - 结论依据:常规相关滤波把响应图峰值当作定位的唯一依据,缺少“这次定位是否可信”的评估,于是错误会沿链条放大:目标被遮挡或出画时,响应图仍会在某处出现峰值,且常落在遮挡物、干扰物上;算法照此定位,再把该区域当正样本学进分类器,模型被背景污染;等目标重新完整出现,分类器已经认不出它,响应图上不再有属于目标的峰,跟踪就此丢失且难以自愈。 - 原始内容:(1)缺乏跟踪置信度水平评估的环节。当目标受到遮挡时,算法会将目标定位到错误的位置,分类器也随之学习到错误的背景信息,从而导致目标丢失。