En effet, et c'est plutôt psitif, car le L-K set parmis les meilleurs en multipasse.
Si j'ai bien compris ils calculent des vecteurs vitesses à l'intérieur de leur bounding-box, ils enclenchent ensuite un alogorithme d'apprentissage qui va évaluer les directions locales par rapport à la direction moyenne des vitesses, ils construisent ainsi au fur et à mesure une évolution de la texture à suivre. Personnellement je ne suis pas du tout au fait des techniques d'apprentissage, donc je ne peux pas trop évaluer leur performances ...
En ce qui concerne mes activités, je pense que je peux y trouver un intérêt.
Dans les algo de pilotages par vidéo que nous avons développés, il peut arriver que les zones d'intérêt se déplacent beaucoup ce qui amène des variations d'éclairement, cette méthode pourrait apprendre l'impacte de ces variations et ainsi éviter à l'algo de planter. De plus le fait de pouvoir détecter que l'objet n'est plus là, puis le retrouver après, est une fonctionnalité vraiment intéressante en cas de "boulets" (ha ben mince je suis passé devant la caméra ...), elle permet de déclencher des évennements de sécurité et de reprendre, c'est vraiment intéressant.
[^] # Re: Excellent
Posté par freejeff . En réponse au journal Prédator: une bibliothèque GPL pour la détection d'images. Évalué à 3.
En effet, et c'est plutôt psitif, car le L-K set parmis les meilleurs en multipasse.
Si j'ai bien compris ils calculent des vecteurs vitesses à l'intérieur de leur bounding-box, ils enclenchent ensuite un alogorithme d'apprentissage qui va évaluer les directions locales par rapport à la direction moyenne des vitesses, ils construisent ainsi au fur et à mesure une évolution de la texture à suivre. Personnellement je ne suis pas du tout au fait des techniques d'apprentissage, donc je ne peux pas trop évaluer leur performances ...
En ce qui concerne mes activités, je pense que je peux y trouver un intérêt.
Dans les algo de pilotages par vidéo que nous avons développés, il peut arriver que les zones d'intérêt se déplacent beaucoup ce qui amène des variations d'éclairement, cette méthode pourrait apprendre l'impacte de ces variations et ainsi éviter à l'algo de planter. De plus le fait de pouvoir détecter que l'objet n'est plus là, puis le retrouver après, est une fonctionnalité vraiment intéressante en cas de "boulets" (ha ben mince je suis passé devant la caméra ...), elle permet de déclencher des évennements de sécurité et de reprendre, c'est vraiment intéressant.