注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 操作系统内核程序函数执行上下文的自动检验

  2. 函数执行上下文正确性是操作系统内核程序最容易违反且难以检查的正确性性质.应用传统的技术检查该类错误都有一定的困难和局限性.提出一个验证函数执行上下文正确性的框架PRPF,详细描述了其建模过程和相关算法.PRPF 相比传统技术的优势有:直接检查源代码无须编写形式化的验证规约较低的时空运行开销良好的可扩展性等等.该技术已应用在Linux 内核.4.20 的网络设备驱动程序检查中.应用表明,PRPF 能够自动探测程序中所有执行路径,有效地检查函数执行上下文的正确性.实验发现了Linux 内核的23

  3. 所属分类：IT管理

    • 发布日期：2011-03-29
    • 文件大小：183296
    • 提供者：iwsdiwsd

  1. STC目标跟踪VC程序

  2. STC跟踪程序，基于时空上下文的目标检测与跟踪，对遮挡有很强的鲁棒性，测试视频是航拍，大家可以用大卫的，效果更好

  3. 所属分类：C++

    • 发布日期：2014-07-03
    • 文件大小：17825792
    • 提供者：bianchengcheng

  1. STC算法及代码文档说明

  2. 本文提出一种结合时空上下文的简单快速鲁棒的跟踪算法。算法对目标和目标周围时空关系利用贝叶斯框架建模，也就是对目标和目标周围的低层次特征的统计相关性进行建模。跟踪问题变成计算置信图，根据目标位置相似函数获得最佳目

  3. 所属分类：C/C++

  1. 《时空上下文视觉跟踪》学习笔记

  2. Fast Tracking via Spatio-Temporal Context Learning（时空上下文视觉跟踪）论文大意翻译

  3. 所属分类：讲义

    • 发布日期：2016-05-21
    • 文件大小：1048576
    • 提供者：youyuyixiu

  1. 时空上下文跟踪STC

  2. 时空上下文跟踪算法，是最近几年出来比较新的跟踪，基友opencv和c++编写，配置好后可以直接运行，跟踪效果理想，对于跟踪一块理解非常好

  3. 所属分类：C/C++

    • 发布日期：2016-05-25
    • 文件大小：12582912
    • 提供者：qq_23274769

  1. 时空上下文视觉跟踪（STC）含有matlab和c++版本

  2. 时空上下文视觉跟踪（STC）算法的代码，包含原作者的matlab代码和zouxy09博主实现的多尺度时空上下文视觉追踪C++代码，其中C++代码已经解决了边界处理问题。

  3. 所属分类：C++

    • 发布日期：2016-09-20
    • 文件大小：8192
    • 提供者：qingkongyongyu

  1. 时空上下文视觉跟踪（STC）含有matlab和c++版本

  2. 时空上下文视觉跟踪（STC）算法，包含matlab代码和多尺度C++代码，其中C++代码已经解决了边界处理问题。 实测，pc机上i7处理请，30fps

  3. 所属分类：其它

    • 发布日期：2017-01-12
    • 文件大小：8192
    • 提供者：jacke121

  1. 基于时空关系和关联规则挖掘的上下文信息缺失插补研究.pdf

  2. 基于时空关系和关联规则挖掘的上下文信息缺失插补研究pdf,基于时空关系和关联规则挖掘的上下文信息缺失插补研究

  3. 所属分类：其它

    • 发布日期：2019-09-16
    • 文件大小：762880
    • 提供者：weixin_38743968

  1. 特征点辅助的时空上下文目标跟踪与定位.pdf

  2. 特征点辅助的时空上下文目标跟踪与定位.pdf,针对动态目标跟踪中快速运动和目标遮挡而跟踪失败问题，提出了一种特征点辅助的时空上下文跟踪算法。首先提取目标特征点，通过特征点匹配和光流跟踪方法进行目标追踪，获得目标预估位置；其次，建立特征点变化率和时空上下文模型更新率关系模型，实时调控更新率，防止引入错误信息；最后，在预估位置区域内，构建局部上下文外观模型，计算与时空上下文模型的相关性获取置信图，进一步精确定位目标。算法在一组测试视频集中进行验证，相比目前4种主流算法(平均跟踪成功率最高为60%，

  3. 所属分类：其它

    • 发布日期：2019-09-20
    • 文件大小：6291456
    • 提供者：weixin_38743481

  1. STC时空上下文算法用于OTB benchmark的代码

  2. STC时空上下文算法用于OTB benchmark的代码,在tracker目录下新建STC目标，放置在该目录下

  3. 所属分类：机器学习

    • 发布日期：2019-09-30
    • 文件大小：11264
    • 提供者：qq_26623315

  1. 基于Adaboost首帧检测的时空上下文人脸跟踪算法.pdf

  2. 基于Adaboost首帧检测的时空上下文人脸跟踪算法.pdf

  3. 所属分类：机器学习

    • 发布日期：2020-05-11
    • 文件大小：4194304
    • 提供者：anitachiu_2

  1. 用于视觉跟踪的多通道功能时空上下文学习

  2. 用于视觉跟踪的多通道功能时空上下文学习

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：3145728
    • 提供者：weixin_38661128

  1. 时空数据中基于上下文共现的关系预测

  2. 最近，时空数据中的用户关系预测引起了广泛的关注。 先前的研究集中于空间方面的共现或上下文，其中很少考虑时间方面的上下文。 在本文中，考虑到共现，上下文和移动性周期性，我们针对此问题提出了一种新颖的社会关系预测方法，称为多视图上下文共现（MVCC）。 上下文和共现的组合不是简单地合并在一起，具体地说，我们提出了一种将时空数据中的用户对关系巧妙地转换为自然语言处理域中的词对关系的方法。 在我们的方法中，构造了从多视图捕获时空语义信息的上下文序列，并从中提取了具有不同程度表示的多视图上下文共现特征。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38663452

  1. 视频问题解答的时空上下文网络

  2. 视频问题解答的时空上下文网络

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：870400
    • 提供者：weixin_38502510

  1. 时空上下文感知的城市交通建模与预测：基于稀疏表示的变量选择

  2. 时空上下文感知的城市交通建模与预测：基于稀疏表示的变量选择

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：1048576
    • 提供者：weixin_38650508

  1. 用于色彩显着性分析的时空色上下文建模

  2. 用于色彩显着性分析的时空色上下文建模

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：917504
    • 提供者：weixin_38728360

  1. 基于条件随机场的可视车辆跟踪

  2. 本文提出了一种移动车辆的方法 追踪 在基于监视的视频中 在 有条件的 随机的 领域 （CRF）。 关键思想是整合有关车辆的各种相关知识 追踪 通过使用CRF进入统一的概率框架 模型。 在这项工作中，CRF 模型 整合了车辆运动的时空上下文信息以及车辆的外观信息。 一种近似的推理算法，即循环的信念传播，用于从观察到的图像历史中递归地估计车辆区域。 而且，背景 模型 进行自适应更新以应对非平稳的后台进程。 实验结果表明，该方法能够准确地 追踪 单眼图像序列中的移动车辆。 此外，区域一级 追踪 实现车

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：1048576
    • 提供者：weixin_38535221

  1. 通过密集的时空上下文学习进行快速视觉跟踪

  2. 通过密集的时空上下文学习进行快速视觉跟踪

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：1048576
    • 提供者：weixin_38678796

  1. 一种新颖的视频区域复制被动伪造检测算法

  2. 涉及区域复制的伪造是最常见的视频篡改类型之一。 然而，很少有人提出有效检测这种伪造的算法，特别是对于应用了镜像操作的视频。 在本文中，我们总结了视频区域重复伪造的性质，并提出了一种新颖的算法来检测这种伪造。 首先，该算法提取current.frame中的特征点。 然后搜索当前帧中的篡改区域，分三步实施。 最后，我们的算法使用时空上下文学习检测剩余帧中的篡改区域，并输出检测结果。 实验结果证明了我们的算法对经过镜面操作的视频进行检测的性能令人满意，并且比以前的算法具有更高的效率。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：2097152
    • 提供者：weixin_38741759

  1. 时空上下文学习长时目标跟踪

  2. 针对在线学习跟踪算法中目标模型更新错误而导致跟踪漂移的问题，提出了一种简单但高效的解决方案。在目标区域均匀采样点跟踪器，基于纹理描述对前后两帧点跟踪器进行置信度评估并以此完成目标初步定位，由多维特征时空上下文模型输出目标位置置信图以完成目标精确定位，同时结合置信图决定模型更新速率并给出了一种多尺度更新机制。实验表明，该方法在背景干扰、快速运动、遮挡、光照变化及尺度变化下均能完成稳健跟踪，在320 pixel×240 pixel的视频序列中平均跟踪速度为55.1 frame/s，可以满足实时应用的

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：3145728
    • 提供者：weixin_38717169
« 12 »