知识卡片
响应图形状就是置信度
相关滤波的响应图在理想情况下是二维高斯:单峰、对称、峰在目标中心。实际跟踪中,分类器与目标匹配良好时,响应图仍近似高斯,只是带些噪声毛刺;一旦目标被遮挡、光照突变或姿态形状大幅改变,匹配程度下降,响应图会变得多峰、峰位偏移、旁瓣抬高,整体散乱。这意味着形状本身就是一个观测量:它记录了“当前滤波器是否还认得出目标”,而不只是“目标最可能在哪”。于是可以把整张响应图作为输入,让网络学一个从形状到可信度的映射,输出连续置信分数。边界在于判据来自训练时见过的退化模式,遇到未出现过的干扰类型可能仍给出高分。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 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 · 查看原书依据
在目标跟踪等应用中,当分类器与目标匹配时,响应图形状近似于高斯函数,如图7.5所示。当目标被遮挡或发生光照条件、姿态、形状等较大变化时,分类器与目标的匹配程度下降,导致响应图形状不规则
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:相关滤波的响应图在理想情况下是二维高斯:单峰、对称、峰在目标中心。
- 原始内容:在目标跟踪等应用中,当分类器与目标匹配时,响应图形状近似于高斯函数,如图7.5所示。当目标被遮挡或发生光照条件、姿态、形状等较大变化时,分类器与目标的匹配程度下降,导致响应图形状不规则