كود جافا تتبع الكائن عبر التنبؤ التكيفي لنقطة البحث الأولية على الأجهزة المحمولة

49

الوصف

تعد خوارزميات تتبع الميزات الشائعة ، مثل SIFT و SURF ، بطيئة إلى حد ما في وقت التشغيل بسبب معالجة كمية كبيرة من البيانات الخارجية. إذا كان الكائن صغيرًا بدرجة كافية ، فقد تتسبب الضوضاء الخارجية في التخلص من جهاز اكتشاف الكائن دون معرفة مسبقة. يمكن للتعلم الآلي ، وخاصة سلاسل ماركوف ، استخدام المعرفة السابقة لتحويل مهمة باهظة الثمن من الناحية الحسابية إلى مهمة عشوائية أسرع.

يحاول هذا المشروع تنفيذ جزء التعيين من SLAM ، أي تطوير تطبيق جوال يمكنه إنشاء شبكة مستوية بمرجع معروف ، ثم تتبع كائن على طول تلك الشبكة. من أجل تقييد حقل الكائن بكاميرا xed. الخوارزمية المنتجة تتعقب بشكل مناسب المكعب مع إعادة تكوين الصورة. توجد فرص لإنشاء نموذج أفضل لتقدير التماثل من الصورة الأولى ، مما يقلل الضوضاء في اكتشاف النقاط الرئيسية ، للحصول على خوارزمية معممة بحيث يمكن اختيار قالب على Android دون مزيد من الضبط ، ولزيادة تكامل منطقة التقنيع.

Blind Image Quality Prediction Using Joint Statistics of Gradient Magnitude and Laplacian Features

Network traffic prediction by hybrid model (MLP and ARIMA)

 

http://www.cs.cmu.edu/~jiyanpan/papers/lncs06.pdf

المراجعات

لا توجد مراجعات بعد.

كن أول من يقيم “كود جافا تتبع الكائن عبر التنبؤ التكيفي لنقطة البحث الأولية على الأجهزة المحمولة”

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *