CASIA OpenIR

浏览/检索结果: 共9条,第1-9条 帮助

限定条件    
已选(0)清除 条数/页:   排序方式:
基于深度卷积网络的多目标跟踪方法研究 学位论文
工学博士, 中科院自动化研究所智能化大厦: 中科院自动化研究所, 2021
作者:  周宗伟
Adobe PDF(7507Kb)  |  收藏  |  浏览/下载:279/12  |  提交时间:2021/05/28
深度学习  卷积神经网络  在线跟踪  多目标跟踪  实时跟踪  
基于孪生网络的实时视觉目标跟踪研究 学位论文
, 中国科学院自动化研究所: 中国科学院自动化研究所, 2020
作者:  王强
Adobe PDF(8516Kb)  |  收藏  |  浏览/下载:487/14  |  提交时间:2020/06/09
视觉目标跟踪  孪生网络  端到端学习  注意力机制  实例分割  
基于深度学习的自动人脸年龄估计研究 学位论文
, 北京: 中国科学院大学, 2018
作者:  李凯
Adobe PDF(9812Kb)  |  收藏  |  浏览/下载:398/9  |  提交时间:2018/05/30
人脸年龄估计  深度学习  多任务学习  样本不均衡学习  代价敏感学习  
基于多特征概率图模型的视觉人体行为分析 学位论文
, 北京: 中国科学院研究生院, 2016
作者:  杨双
Adobe PDF(4149Kb)  |  收藏  |  浏览/下载:376/13  |  提交时间:2016/07/01
多特征  概率图模型  最大间隔  主题模型  最大熵判别分析  高斯 过程  多任务学习  多核学习  正则贝叶斯  行为识别  
基于交互关系的网络社区影响力分析方法 学位论文
, 北京: 中国科学院大学, 2016
作者:  游强
Adobe PDF(2533Kb)  |  收藏  |  浏览/下载:298/5  |  提交时间:2016/06/28
社会影响力  文本交互  融合算法  信任(关系)预测  影响力最大  
基于图学习的半监督在线视觉跟踪研究 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2015
作者:  高晋
Adobe PDF(9787Kb)  |  收藏  |  浏览/下载:368/0  |  提交时间:2015/09/02
在线视觉跟踪  图嵌入学习  半监督学习  迁移学习  张量化图嵌入  高斯过程回归  半监督提升  Online Visual Tracking  Graph Embedding Learning  Semi-supervised Learning  Transfer Learning  Tensorised Graph Embedding  Gaussian Processes Regression  Semiboost  
基于贝叶斯非参数模型的运动模式学习 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2014
作者:  田国栋
Adobe PDF(5661Kb)  |  收藏  |  浏览/下载:421/0  |  提交时间:2015/09/02
贝叶斯非参数模型  主题模型  狄利克雷过程  中餐馆过程  运动模式学习  Bayesian Nonparametric Models  Topic Models  Dirichlet Process  Chinese Restaurant Process  Motion Pattern Learning  
多目标跟踪及其在航拍视频中的应用 学位论文
, 中国科学院自动化研究所: 中国科学院大学, 2013
作者:  史信楚
Adobe PDF(1828Kb)  |  收藏  |  浏览/下载:539/0  |  提交时间:2015/09/02
多目标跟踪  数据关联  秩一张量近似  场景和运动上下文关系    Multiple Target Tracking  Data Association  Rank-1 Tensor Approximation  Scene And Motion Context  Aerial Video Analysis  
运动目标跟踪与轨迹模式学习 学位论文
, 中国科学院自动化研究所: 中国科学院研究生院, 2008
作者:  李玺
Adobe PDF(5355Kb)  |  收藏  |  浏览/下载:201/0  |  提交时间:2015/09/02
视觉监控  目标跟踪  表观建模  前景分割  行为分析  轨迹模式学习  Visual Surveillance  Object Tracking  Appearance Modeling  Foreground Segmentation  Behavior Analysis  Trajectory Pattern Learning