基于因子化三向受限玻尔兹曼机的背景减除
计算机视觉与模式识别
2019-04-16 v1 机器学习
图像与视频处理
摘要
本文提出了一种基于连续感官输入重建三维模型的方法。机器人可利用各种传感器从真实世界中获取极大量的数据。然而，感官输入通常是过于嘈杂且高维的数据。当机器人试图构建三维模型时，使用此类原始数据进行处理非常困难且耗时。因此，需要一种能够从此类感官输入中提取有用信息的方法。为解决该问题，我们的方法利用了对象语义层次结构（Object Semantic Hierarchy, OSH）的概念。不同于以往使用该层次框架的工作，我们采用深度信念网络技术而非经典计算机视觉方法来提取运动信息。我们在两组分别为平移和旋转的大规随机点图像集（各 10,000 张）上进行了训练，并成功提取了若干解释平移与旋转运动的基。基于这些平移与旋转基，利用对象语义层次结构实现背景减除成为可能。
引用
@article{arxiv.1802.01522,
title = {Background subtraction using the factored 3-way restricted Boltzmann machines},
author = {Soonam Lee and Daekeun Kim},
journal= {arXiv preprint arXiv:1802.01522},
year = {2019}
}
备注
EECS545 (2011 Winter) class project report at the University of Michigan. This is for archiving purpose