知识卡片

普通读书笔记卡 · 9599.j · 生成模型:DeepSeek-V4.1-Flash

传统指标只看数值不看形状

理解等级:高级

用数值指标评价响应图是常见做法。PSR 用峰值减旁瓣均值再除以旁瓣标准差,衡量峰相对背景的突出程度;APCE 用峰值与最小值的平方差比上全图平均波动,能反映多峰与振荡。光学相关识别器还有三类:PCI 直接取峰值强度,却易受灰度、照度、尺度影响;PCE 用峰值能量占整个相关面的比例衡量相似程度;BP 网络法先截取峰值邻域再分类鉴别。它们的共同局限是只用峰值与其他响应值的相对大小,丢弃了峰的位置与形状——多峰干扰下峰值可能依然很高,但真正的目标峰已不在那里。改用 CNN 直接读整张图,可在同层数下用更少参数学到形状特征。

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:用数值指标评价响应图是常见做法。 - 原始内容:以上常规的响应图分析方法仅考虑到了响应峰值与其他响应值的相对数值关系,却忽略了同样重要的相关峰的位置信息与形状信息。