Спасибо большое! Наверное практически единственное описание алгоритма MOOSE, которое я нашёл в интернете в принципе, без банального: "Минимальная выходная сумма квадратов ошибок (MOSSE) использует адаптивную корреляцию для отслеживания объектов, которая создает стабильные корреляционные фильтры при инициализации с использованием одного кадра. Трекер MOSSE устойчив к изменениям освещения, масштаба, позы и нежестких деформаций. Он также обнаруживает окклюзию на основе соотношения пикового и бокового лепестков, что позволяет трекеру приостанавливаться и возобновлять работу с того места, где он остановился, когда объект снова появляется. Трекер MOSSE также работает с более высоким fps (450 fps и даже больше). Чтобы добавить к положительным моментам, его также очень легко реализовать, он такой же точный, как и другие сложные трекеры, и намного быстрее. Но по шкале производительности он отстает от трекеров, основанных на глубоком обучении".
Спасибо, что снабдили описание математическими выкладками, которые очень необходимы для понимания работы самого алгоритма и за приведённую статью из англоязычного сегмента!
Здравствуйте, спасибо за замечание, учту в дальнейшем, но хочу заметить, что это дело вкуса, мне таким образом удобнее писать, опять же ничего не имею против других способов написания)
Для меня написание через camelCase более интуитивно понятно и читабельно в коде
Конечно же я не буду портить дедушке всё удовольствие от решения этой головоломки, так как сам понимаю, насколько это бывает увлекательно. Тот факт, что он решал судоку, лишь натолкнул меня на мысль сделать этот мини-проект, потому что мне как начинающему разработчику полезно решать нестандартные задачи, а к тому же, это неплохой пет-проект для моего резюме, который в дальнейшем, надеюсь, принесёт мне плюсы в карму, при устройстве на новую работу по этому профилю)
Здравствуйте, спасибо, что предоставили прекрасный туториал по этому алгоритму, здесь он и вправду раскрыт намного подробнее чем у меня, я его добавлю к пояснительным материалам
Согласен с Вами, но как Вы уже заметили, этот алгоритм можно использовать не только в качестве предобработки, хотя согласен, что он основное его применение как раз таки в этом. В статье я приложил ссылки на научные статьи по этой теме, дублирую их здесь (по ссылкам pdf документы для скачивания, один из них автоматом качается, так что не пугайтесь; прикладываю статьи для общего понимания основных направлений применения этого алгоритма):
В данной статье речь идёт об некоторых аспектах обработки изображения, а также описание и применение алгоритма Canny Edge Detector, в данном случае это аспекты нейронных сетей и машинного зрения
Конечно же DCT нельзя назвать нейронной сетью, здесь я с Вами полностью согласен, но это математический модуль, который как и алгоритм Canny Edge Detector применяется в нейронных сетях
Здравствуйте, позвольте не согласиться с Вашим высказыванием, алгоритм Canny Edge Detector является одним из алгоритмов машинного обучения и машинного зрения в частности, так что я не совсем согласен с Вами. К тому же в названии статьи чётко указано, что здесь речь идёт об аспектах обработки изображения в OpenCV, а так же про сам алгоритм Canny Edge Detector. Данная статья входит в цикл статей про нейронные сети и даже если Вы не усмотрели здесь нейросетевого подтекст, то хочу Вас заверить, что в таком случае данный материал можно квалифицировать как теоретическую основу для изучения и базового погружения в мир нейронных сетей
Здравствуйте, спасибо за дополнение! Всего в одной статье охватить не возможно, поэтому я очень ценю такие посты, где можно найти дополнения!
Опять же хочу заметить, что в статье рассмотрены не все возможности функций и конечно же не весь теоретический потенциал, который можно рассмотреть в каждом пункте. В статье я старался осветить моменты, которые были необходимы для выполнения конкретной задачи, которую я описал в самом начале.
Также хотелось бы сказать, что действительно к данным задачам существует несколько подходов, я лишь стараюсь осветить подход с точки зрения нейронных сетей, не отрицая, что задачу можно решить и другими методами
Спасибо большое! Наверное практически единственное описание алгоритма MOOSE, которое я нашёл в интернете в принципе, без банального: "Минимальная выходная сумма квадратов ошибок (MOSSE) использует адаптивную корреляцию для отслеживания объектов, которая создает стабильные корреляционные фильтры при инициализации с использованием одного кадра. Трекер MOSSE устойчив к изменениям освещения, масштаба, позы и нежестких деформаций. Он также обнаруживает окклюзию на основе соотношения пикового и бокового лепестков, что позволяет трекеру приостанавливаться и возобновлять работу с того места, где он остановился, когда объект снова появляется. Трекер MOSSE также работает с более высоким fps (450 fps и даже больше). Чтобы добавить к положительным моментам, его также очень легко реализовать, он такой же точный, как и другие сложные трекеры, и намного быстрее. Но по шкале производительности он отстает от трекеров, основанных на глубоком обучении".
Спасибо, что снабдили описание математическими выкладками, которые очень необходимы для понимания работы самого алгоритма и за приведённую статью из англоязычного сегмента!
Здравствуйте, спасибо за замечание, учту в дальнейшем, но хочу заметить, что это дело вкуса, мне таким образом удобнее писать, опять же ничего не имею против других способов написания)
Для меня написание через camelCase более интуитивно понятно и читабельно в коде
Конечно же я не буду портить дедушке всё удовольствие от решения этой головоломки, так как сам понимаю, насколько это бывает увлекательно. Тот факт, что он решал судоку, лишь натолкнул меня на мысль сделать этот мини-проект, потому что мне как начинающему разработчику полезно решать нестандартные задачи, а к тому же, это неплохой пет-проект для моего резюме, который в дальнейшем, надеюсь, принесёт мне плюсы в карму, при устройстве на новую работу по этому профилю)
Спасибо за комментарий, обязательно рассмотрю Ваш вариант во второй части этой статьи!
Спасибо большое, изучу и возможно дополню своё решение
Здравствуйте, я тоже прихожу к решению через OCR, спасибо за совет, с вероятностью 80% так и поступлю)
Спасибо за этот комментарий, каюсь, часть практики я брал оттуда, в будущем буду оставлять такие источники)
Спасибо большое, обязательно воспользуюсь ей при написании второй части!
Да, Вы правы, спасибо за замечание
Спасибо за замечание, учту в дальнейших работах)
Нейросетевой подход в моём понимании это подход к решению задачи с применением нейронных сетей
Здравствуйте, спасибо, что предоставили прекрасный туториал по этому алгоритму, здесь он и вправду раскрыт намного подробнее чем у меня, я его добавлю к пояснительным материалам
Согласен с Вами, но как Вы уже заметили, этот алгоритм можно использовать не только в качестве предобработки, хотя согласен, что он основное его применение как раз таки в этом. В статье я приложил ссылки на научные статьи по этой теме, дублирую их здесь (по ссылкам pdf документы для скачивания, один из них автоматом качается, так что не пугайтесь; прикладываю статьи для общего понимания основных направлений применения этого алгоритма):
https://osf.io/yrmk5/download
https://www.sciencedirect.com/science/article/pii/S2212017312004136?ref=pdf_download&fr=RR-2&rr=760529f4dc529d69
Спасибо за дискуссию)
Да Вы правы, конкретно алгоритм под собой не имеет нейросетей, он применяется при решении некоторых задач для машинного зрения
В данной статье речь идёт об некоторых аспектах обработки изображения, а также описание и применение алгоритма Canny Edge Detector, в данном случае это аспекты нейронных сетей и машинного зрения
Конечно же DCT нельзя назвать нейронной сетью, здесь я с Вами полностью согласен, но это математический модуль, который как и алгоритм Canny Edge Detector применяется в нейронных сетях
Алгоритм Canny Edge Detector можно отнести к группе алгоритмов машинного обучения и машинного зрения в частности
Здравствуйте, позвольте не согласиться с Вашим высказыванием, алгоритм Canny Edge Detector является одним из алгоритмов машинного обучения и машинного зрения в частности, так что я не совсем согласен с Вами. К тому же в названии статьи чётко указано, что здесь речь идёт об аспектах обработки изображения в OpenCV, а так же про сам алгоритм Canny Edge Detector. Данная статья входит в цикл статей про нейронные сети и даже если Вы не усмотрели здесь нейросетевого подтекст, то хочу Вас заверить, что в таком случае данный материал можно квалифицировать как теоретическую основу для изучения и базового погружения в мир нейронных сетей
Здравствуйте, спасибо за дополнение! Всего в одной статье охватить не возможно, поэтому я очень ценю такие посты, где можно найти дополнения!
Опять же хочу заметить, что в статье рассмотрены не все возможности функций и конечно же не весь теоретический потенциал, который можно рассмотреть в каждом пункте. В статье я старался осветить моменты, которые были необходимы для выполнения конкретной задачи, которую я описал в самом начале.
Здравствуйте, что конкретно Вы понимаете под ДКТ?
Также хотелось бы сказать, что действительно к данным задачам существует несколько подходов, я лишь стараюсь осветить подход с точки зрения нейронных сетей, не отрицая, что задачу можно решить и другими методами