HyperAIHyperAI

Command Palette

Search for a command to run...

تعلم الانحدارات المكانية الواعية للتعقب البصري

Chong Sun Dong Wang Huchuan Lu Ming-Hsuan Yang

الملخص

في هذا البحث، نقوم بتحليل المعلومات المكانية للخصائص العميقة ونقترح نوعين من الانحدارات التكميلية لتحقيق تتبع بصري قوي. أولاً، نقترح نموذج انحدار الحدود الشاذة المُحَدَّد بالكيرنل حيث يتم تعريف قيمة الكيرنل كمجموع موزون لدرجات التشابه بين جميع أزواج اللوائح في عينتين. نوضح أن هذا النموذج يمكن صياغته على شكل شبكة عصبية وبالتالي يمكن حلّه بكفاءة. ثانياً، نقترح شبكة عصبية تكرارية كاملة مع كيرنلات مرتبطة مكانياً، من خلالها يتم إجبار كل فلتر كيرنل يتوافق مع قناة الإخراج على التركيز في منطقة محددة من الهدف. يتم استخدام تقنية المسافة التحويلية للتجميع لتحديد فعالية كل قناة إخراج من طبقة التكرار. يتم دمج الإخراجات من نموذج الانحدار الحدود الشاذة المُحَدَّد بالكيرنل والشبكة العصبية التكرارية الكاملة للحصول على الاستجابة النهائية. تؤكد النتائج التجريبية على مجموعتين معياريتين فعالية الطريقة المقترحة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp