知识卡片
自训练跟踪会累积漂移
跟踪器将当前框当作下一轮训练的正例时,框内背景可能被误作目标纹理。更新后下一轮更可能跟住背景,反复迭代使框逐步偏离。引入独立的检测线索可减少单模型反馈造成的漂移。
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4章 智能驾驶的环境感知 4.3 基于协同学习的目标跟踪技术 · 查看原书依据
尔失败时(这类情形很常见),再盲目利用当前结果更新分类器或模板只会加速模型漂移,从而恶化跟踪性能。为此,很多方法引入了启发式的逻辑判断机制来切换更新状态,如仅当分类器输出的置信度达到一定程度
参考来源
- 位置:《人工智能:智能驾驶》第4章 智能驾驶的环境感知,4.3 基于协同学习的目标跟踪技术(book-source:extracted/人工智能:智能驾驶/_epub-src/OEBPS/Text/chapter7.xhtml#A92250057-1603-4665-8d24-eb529fa1b0c3)
- 结论依据:跟踪概述解释自训练的样本构造,并指出偏差会在更新中放大。
- 原始内容:尔失败时(这类情形很常见),再盲目利用当前结果更新分类器或模板只会加速模型漂移,从而恶化跟踪性能。为此,很多方法引入了启发式的逻辑判断机制来切换更新状态,如仅当分类器输出的置信度达到一定程度