摘要
本发明公开了一种基于深度子空间聚类的遮挡目标关联方法,通过已有的目标检测方法,首先得到需要关联的目标。然后利用深度学习的方法得到待关联目标的特征表示,根据提取出来的目标特征构建一个自表达系数矩阵,用于学习数据之间的自表达关系。综合重构误差和正则化项,定义损失函数,学习到目标自表达矩阵既能够有效重构数据,又具有良好的子空间聚类结构。最后利用自监督学习技术,迭代学习获取稳定的伪标签来实现目标在子空间中的自动关联,有效解决在目标关联中可能出现的目标遮挡问题。
技术关键词
矩阵
重构误差
标签
自动编码器
监督学习技术
数据
非线性
深度学习技术
样本
正则化参数
特征提取器
表征技术
梯度下降法
聚类算法
空间结构
网络
代表
系统为您推荐了相关专利信息
降雨场重构方法
微波
数据
生成对抗神经网络
虚拟站点
在线视觉检测方法
视觉检测传感器
电视
插接件
电路板
优化分析方法
装配误差
BP神经网络
齿轮
齿顶修形
健康监测系统
声发射
隧道衬砌
信号处理系统
预警提示系统