计算机视觉
文章平均质量分 56
EFLYP
这个作者很懒,什么都没留下…
展开
-
车辆前景检测算法——GMM(高斯混合背景建模)
GMM(高斯混合背景建模)在运动目标的前景检测中,GMM的目标是实现对视频帧中的像素进行前景/背景的二分类。通过统计视频图像中各个点的像素值获取背景模型,最后利用背景减除的思想提取出运动目标。 GMM假设在摄像机固定的场景下,在一段足够长的时间区间内,背景目标出现的概率要远高于前景目标。利用监控视频的这一特点,对视频帧上的任意坐标的像素值进行时间方向的统计,为每个坐标分配若干个高斯概率密度函...原创 2018-03-11 13:56:57 · 11536 阅读 · 0 评论 -
车辆前景检测算法——ViBe(视觉背景提取方法)
ViBe(视觉背景提取方法)背景减除法的核心是通过分析场景的图像特征对包含了大量噪声的自然场景进行背景建模,但是背景模型的数学形式,究竟是使用高斯函数还是其它函数具有很大的争议。以GMM前景检测算法为例,当背景的变化频率超过前景目标时,算法的性能将极速降低;从参数的选取角度来说,固定参数非常有利于算法在硬件平台上的实现。但与此同时,无法根据场景变化而自适应改变的参数,其检测效果的稳定性以及对场...原创 2018-03-22 14:22:40 · 5567 阅读 · 1 评论 -
集成学习从放弃到再入门之XGBOOST
牛顿法牛顿法最初是通过迭代xn+1=xn-f(xn)/f’(xn)用来求函数的零点值f(x)=0,在优化问题中即求解导函数的零点值:迭代xn+1=xn-f’(xn)/f”(xn)使f’(x)=0 GBDT和XGBOOST机器学习算法中GBDT和XGBOOST的区别有哪些? 1. 传统GBDT以CART作为基分类器,xgboost还支持线性分类器,这个时候xgboost相当于带L...原创 2018-04-10 15:16:11 · 686 阅读 · 0 评论