推 assyrian:那個作者用的是很crisp的二元線性分類器~ 05/27 16:55
不知道這跟 fuzzy c-means clustering/classification
有沒有關係
我可能會用到
主要用在fuzzy的input space partition
: 只是approach的方法不同...
: 那個作者把tracking視作為一種分類問題，target一類，surround一類
: 然後他利用AdaBoost設計出多種弱分類器的集合，形成一種強分類器
: 再對每張frame進行 目標/周圍背景 的分類
: 分類完之後會得到他稱為Confidence map的東西，跟我的Saliency map很像
: 其強弱代表著目標出現的機率...
: 然後再用Mean shift去追Confidence map中的peak...
: 追完之後，根據新目標位置的區域再update一次弱分類器的權重，重覆以上的步驟。
: 這篇paper也沒跟前人作法比較，它直接指出Mean shift的大缺點@@
※ 編輯: neumann 來自: 140.112.20.24 (05/27 14:48)