动机: 大部分基于检测的视频跟踪算法,当选取充足的样本时,计算量太大无法保证跟踪算法的实时性,因此,大部分基于检测的算法都以牺牲样本的数量来保证算法的实时性。这使得跟踪算法的鲁棒性比较差。因此,有没有一种比交好的方法,既能保证实时性又能尽量选取足够的的样本进行训练呢? 本文给出的答案是:可以的。
分析:
1.岭回归即最小二乘加一个正则项(二范数),公式如下:
动机: 大部分基于检测的视频跟踪算法,当选取充足的样本时,计算量太大无法保证跟踪算法的实时性,因此,大部分基于检测的算法都以牺牲样本的数量来保证算法的实时性。这使得跟踪算法的鲁棒性比较差。因此,有没有一种比交好的方法,既能保证实时性又能尽量选取足够的的样本进行训练呢? 本文给出的答案是:可以的。
分析:
1.岭回归即最小二乘加一个正则项(二范数),公式如下: