基于凸集熵投影的在线自适应决策融合框架及其在视频野火检测中的应用
计算机视觉与模式识别
2015-05-27 v1 机器学习
摘要
本文针对图像分析和计算机视觉应用，开发了一种基于熵泛函的在线自适应决策融合（EADF）框架。在该框架中，假设复合算法由若干子算法组成，每个子算法输出其自身决策，该决策是一个以零为中心的实数，代表该子算法的置信水平。决策值通过权重线性组合，这些权重根据一种基于对描述子算法的凸集进行熵投影的主动融合方法在线更新。假设存在一个通常为人类操作员的“神谕”，为决策融合方法提供反馈。开发了一个基于视频的野火检测系统，以评估该算法在处理数据顺序到达问题时的性能。在此情况下，“神谕”是森林瞭望塔的安保人员，负责验证组合算法的决策。给出了仿真结果。EADF 框架还使用标准数据集进行了测试。
引用
@article{arxiv.1101.4749,
title = {Online Adaptive Decision Fusion Framework Based on Entropic Projections onto Convex Sets with Application to Wildfire Detection in Video},
author = {Osman Gunay and Behcet Ugur Toreyin and Kivanc Kose and A. Enis Cetin},
journal= {arXiv preprint arXiv:1101.4749},
year = {2015}
}
备注
10 pages, 7 figures