Online Visual Tracking ofWeighted Multiple Instance Learning via Neutrosophic Similarity-Based Objectness Estimation

Keli Hu · Wei He · Jun Je · Liping Zhao · Hua Peng · Jiatian Pi

Infinite Study

eBook

หน้า

มีสิทธิ์

คะแนนและรีวิวไม่ได้รับการตรวจสอบยืนยัน ดูข้อมูลเพิ่มเติม

เกี่ยวกับ eBook เล่มนี้

An online neutrosophic similarity-based objectness tracking with a weighted multiple instance learning algorithm (NeutWMIL) is proposed. Each training sample is extracted surrounding the object location, and the distribution of these samples is symmetric. To provide a more robust weight for each sample in the positive bag, the asymmetry of the importance of the samples is considered.

The neutrosophic similarity-based objectness estimation with object properties (super straddling) is applied.

ให้คะแนน eBook นี้

แสดงความเห็นของคุณให้เรารับรู้

ข้อมูลในการอ่าน

สมาร์ทโฟนและแท็บเล็ต

ติดตั้งแอป Google Play Books สำหรับ Android และ iPad/iPhone แอปจะซิงค์โดยอัตโนมัติกับบัญชีของคุณ และช่วยให้คุณอ่านแบบออนไลน์หรือออฟไลน์ได้ทุกที่

แล็ปท็อปและคอมพิวเตอร์

คุณฟังหนังสือเสียงที่ซื้อจาก Google Play โดยใช้เว็บเบราว์เซอร์ในคอมพิวเตอร์ได้

eReader และอุปกรณ์อื่นๆ

หากต้องการอ่านบนอุปกรณ์ e-ink เช่น Kobo eReader คุณจะต้องดาวน์โหลดและโอนไฟล์ไปยังอุปกรณ์ของคุณ โปรดทำตามวิธีการอย่างละเอียดในศูนย์ช่วยเหลือเพื่อโอนไฟล์ไปยัง eReader ที่รองรับ

รายงานเนื้อหาที่ผิดกฎหมาย