← 返回刚才阅读的位置

知识卡片

结构图卡 · 9599.m · 生成模型:DeepSeek-V4.1-Flash

RAN插在检测与更新之间

理解等级:中级

RAN 不是独立模块,它被插在定位与学习之间。原流程是“检测—训练—更新”:定位完就学,学完就更新。加入 RAN 后变成“检测—响应分析—训练—更新”:搜索区域提特征后与分类器在频域相乘,逆变换得到响应图,再送入 RAN 得置信分,依据分数决定该分类器是否训练、是否更新、要不要换人。结构上的变化是定位结果不再无条件写回模型,置信分成为流程中的显式变量,可被后续策略直接引用。代价是每帧多一次前向推理,且 RAN 的误判会直接变成策略错误:该更新时不更新,或在不该学时把背景学进去。

结构图:

flowchart LR
  A[搜索区域特征] --> B[与分类器频域相乘]
  B --> C[逆变换得响应图]
  C --> D[RAN输出置信分]
  D --> E[决定训练与更新策略]
  E --> F[更新分类器或切换分类器]
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:RAN 不是独立模块,它被插在定位与学习之间。 - 原始内容:最后,根据分析结果决定该分类器的训练与更新策略,从而将跟踪过程由“检测-训练-更新”转变为“检测-响应分析-训练-更新”。