A Statistical Confidence Measure for Optical Flows-论文阅读
2016-03-29 17:29
459 查看
1. 摘要
提到confidence measure有四点好处:1. 可以检测到不可靠的光流; 2. 利用in-painting技术补全剔除的不可靠光流区域;3. 将可靠性度量和变分法结合,提高光流的性能 4. 利用置信度和低复杂度的光流技术替换高复杂度的光流技术。
2. 相关文章综述
利用intrinsic dimension的原理进行confidence measure...
一些论文利用输入图像本身的特性,一些论文的confidence算法和optical flow本身直接相关。
3. Natural Motion Statistical
To compute the statistical model, the empirical mean m and covarianceC are computed from the training data set containing the n n T flow patches, which
are vectorized in lexicographical order.
从training data中计算出均值m和协方差C。
均值m是2*n*n*T维度。可以这么理解:从测试序列中选取若干个(10000/5000个随意)patch (N),每个patch的维度是(mvx0, mvx1, .... mvxn*n*T, mvy0, mvy1, .... mvyn*n*T);
对N个patch的对应维度进行求均值,可以得到各个维度下的均值,同理也可以得到对应的协方差矩阵。
其实可以这么理解,这里的随机变量有2*n*n*T个,patch中的每一个像素位置的mvx和mvy就是对应一个随机变量。
4. Hypothesis Testing
假设条件概率密度是二维的正态分布 the conditional pdf is a two dimensional normal distribution.
最终的Confidence函数如下所示:
其中alpha为置信度,自己可配置。
G函数的横坐标是Mahalanobis distance(dm)的,纵坐标是0到1之间,即对训练样本计算出dm后的分布曲线。
其中G-1为quantile function,如下所示:G为training数据的分布特性
dM为the squared Mahalanobis distance
Mahalanobis distance wiki: https://en.wikipedia.org/wiki/Mahalanobis_distance
提到confidence measure有四点好处:1. 可以检测到不可靠的光流; 2. 利用in-painting技术补全剔除的不可靠光流区域;3. 将可靠性度量和变分法结合,提高光流的性能 4. 利用置信度和低复杂度的光流技术替换高复杂度的光流技术。
2. 相关文章综述
利用intrinsic dimension的原理进行confidence measure...
一些论文利用输入图像本身的特性,一些论文的confidence算法和optical flow本身直接相关。
3. Natural Motion Statistical
To compute the statistical model, the empirical mean m and covarianceC are computed from the training data set containing the n n T flow patches, which
are vectorized in lexicographical order.
从training data中计算出均值m和协方差C。
均值m是2*n*n*T维度。可以这么理解:从测试序列中选取若干个(10000/5000个随意)patch (N),每个patch的维度是(mvx0, mvx1, .... mvxn*n*T, mvy0, mvy1, .... mvyn*n*T);
对N个patch的对应维度进行求均值,可以得到各个维度下的均值,同理也可以得到对应的协方差矩阵。
其实可以这么理解,这里的随机变量有2*n*n*T个,patch中的每一个像素位置的mvx和mvy就是对应一个随机变量。
4. Hypothesis Testing
假设条件概率密度是二维的正态分布 the conditional pdf is a two dimensional normal distribution.
最终的Confidence函数如下所示:
其中alpha为置信度,自己可配置。
G函数的横坐标是Mahalanobis distance(dm)的,纵坐标是0到1之间,即对训练样本计算出dm后的分布曲线。
其中G-1为quantile function,如下所示:G为training数据的分布特性
dM为the squared Mahalanobis distance
Mahalanobis distance wiki: https://en.wikipedia.org/wiki/Mahalanobis_distance
相关文章推荐
- teradata EXPLAIN 读懂关键字--读懂执行计划
- 光流(optical flow)和openCV中实现
- 求两帧图像或着视频的光流(optical flow)
- 光流法 Optical Flow
- 关于自信的回答,真心赞~
- 机器学习实践系列之6 - OpenCV实战光流
- 光流Optical Flow介绍与OpenCV实现
- 关联分析之Apriori算法
- 软负载与nginx强大功能
- 两款WEB防火墙软件介绍
- nginx常见配置
- Hadoop2.6 全分布式安装,配置了联邦
- openwrt 下调试实现wifi 开启/关闭及设置指示灯
- SecureCRT终端上使用spark-shell时按退格键无反应的解决方法
- Hadoop 结构图
- tomcat和jboss地址栏显示图标
- 注册界面图形验证码,防攻击(网站、短信)
- Tomcat不响应
- nginx php-fpm.sock配置
- 关于Tomcat安装过程中出现的一些问题...