弱监督在线学习方法及其在视觉目标跟踪中的应用

项目名称： 弱监督在线学习方法及其在视觉目标跟踪中的应用

项目编号： No.61173087

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 自动化技术、计算机技术

项目作者： 唐降龙

作者单位： 哈尔滨工业大学

项目金额： 57万元

中文摘要： 随着研究的深入和应用的发展，越来越多的机器学习问题面对的是缺乏明确和完整监督信息的对象，特别是在线学习过程中，样本的这种弱监督性问题显得尤为突出。现有的弱监督学习方法大多是针对特定问题提出的，如半监督、多示例、多标签，本课题提出了一种多视的概率图模型方法，将各种弱监督问题、组合弱监督问题纳入到统一的框架下求解，并且将其推广到在线学习领域。周围环境或目标自身的变化往往是影响视觉跟踪精度的主要因素，对目标外观模型的在线学习是提高跟踪性能的重要手段。视觉目标的学习是一个典型的弱监督在线学习过程，很难实时得到在线样本完整、明确的监督信息，本研究将多视概率图模型应用于视觉跟踪的在线学习，提高目标跟踪的准确度。

中文关键词： 弱监督学习；视觉目标跟踪；机器学习框架；；

英文摘要：

英文关键词： Weakly supervised learning；Visual tracking；Machine learning framework；；