論文の概要: An exploration of the performances achievable by combining unsupervised background subtraction algorithms

• arxiv url: http://arxiv.org/abs/2202.12563v1
• Date: Fri, 25 Feb 2022 08:51:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-28 15:25:38.259249
• Title: An exploration of the performances achievable by combining unsupervised background subtraction algorithms
• Title（参考訳）: 教師なしバックグラウンドサブトラクションアルゴリズムを組み合わせることで達成可能な性能の探索
• Authors: S\'ebastien Pi\'erard and Marc Braham and Marc Van Droogenbroeck
• Abstract要約: バックグラウンドサブトラクション(BGS)は、ビデオでモーション検出を行うための一般的な選択肢である。 毎年何百ものBGSアルゴリズムがリリースされているが、それらを組み合わせて動きを検出することは、ほとんど探索されていない。 組み合わせ戦略によって、この膨大な量の利用可能なBGSアルゴリズムを活用でき、パフォーマンス改善のための大きなスペースを提供できることが分かりました。
• 参考スコア（独自算出の注目度）: 7.991322621270178
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Background subtraction (BGS) is a common choice for performing motion detection in video. Hundreds of BGS algorithms are released every year, but combining them to detect motion remains largely unexplored. We found that combination strategies allow to capitalize on this massive amount of available BGS algorithms, and offer significant space for performance improvement. In this paper, we explore sets of performances achievable by 6 strategies combining, pixelwise, the outputs of 26 unsupervised BGS algorithms, on the CDnet 2014 dataset, both in the ROC space and in terms of the F1 score. The chosen strategies are representative for a large panel of strategies, including both deterministic and non-deterministic ones, voting and learning. In our experiments, we compare our results with the state-of-the-art combinations IUTIS-5 and CNN-SFC, and report six conclusions, among which the existence of an important gap between the performances of the individual algorithms and the best performances achievable by combining them.
• Abstract（参考訳）: 背景サブトラクション(bgs)は、ビデオ中の動き検出を行うための一般的な選択である。 毎年何百ものBGSアルゴリズムがリリースされているが、それらを組み合わせて動きを検出することは、ほとんど探索されていない。 組み合わせ戦略によって、この膨大な量の利用可能なBGSアルゴリズムを活用でき、パフォーマンス改善のための大きなスペースを提供できることがわかった。 本稿では、ROC空間とF1スコアの両面において、26個の教師なしBGSアルゴリズムの出力を組み合わせた6つの戦略で達成可能な性能のセットをCDnet 2014データセット上で検討する。 選択された戦略は、決定論と非決定論の両方、投票と学習を含む、大きな戦略のパネルの代表である。 本実験では,IUTIS-5とCNN-SFCを比較し,各アルゴリズムの性能と,それらの組み合わせによって達成可能な最高の性能との間に重要なギャップがあることを6つの結論として報告した。

関連論文リスト

• Generative AI Enabled Matching for 6G Multiple Access [51.00960374545361]
  我々は6G多重アクセスをサポートするGenAI対応マッチング生成フレームワークを提案する。 我々のフレームワークは、与えられた条件と事前定義された報酬に基づいて、より効果的なマッチング戦略を生成することができることを示す。
  論文  参考訳（メタデータ） (2024-10-29T13:01:26Z)
• Rethinking Selection in Generational Genetic Algorithms to Solve Combinatorial Optimization Problems: An Upper Bound-based Parent Selection Strategy for Recombination [0.0]
  本研究は、アッパーバウンドベース親選択(UBS)と呼ばれる世代GA設定における組換え決定論的親選択戦略を提案する。 具体的には、UBS戦略の一環として、MABフレームワークと修正 UCB1アルゴリズムを用いて親選択問題を定式化し、探索と利用を管理する。 従来の選択戦略と比較してUBSの有効性を示すため,チームオリエンテーリングと2次割り当ての2つのNPハード最適化問題について検討した。
  論文  参考訳（メタデータ） (2024-10-04T18:56:34Z)
• Evaluating Ensemble Methods for News Recommender Systems [50.90330146667386]
  本稿では,Microsoft News データセット (MIND) において,様々な最先端アルゴリズムを組み合わさって優れた結果を得るために,アンサンブル手法をどのように利用できるかを示す。 その結果,NRSアルゴリズムの組み合わせは,基礎学習者が十分に多様であることから,個々のアルゴリズムよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-06-23T13:40:50Z)
• A Weighted K-Center Algorithm for Data Subset Selection [70.49696246526199]
  サブセット選択は、トレーニングデータの小さな部分を特定する上で重要な役割を果たす、基本的な問題である。 我々は,k中心および不確かさサンプリング目的関数の重み付け和に基づいて,サブセットを計算する新しい係数3近似アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-12-17T04:41:07Z)
• Thompson sampling for improved exploration in GFlowNets [75.89693358516944]
  生成フローネットワーク(Generative Flow Networks, GFlowNets)は、合成対象物上の分布からのサンプリングを、学習可能なアクションポリシーを用いたシーケンシャルな意思決定問題として扱う、アモータイズされた変分推論アルゴリズムである。 2つの領域において、TS-GFNは、過去の研究で使われたオフ・ポリティクス・サーベイ・ストラテジーよりも、探索を改善し、目標分布への収束を早くすることを示す。
  論文  参考訳（メタデータ） (2023-06-30T14:19:44Z)
• A Hybrid Chimp Optimization Algorithm and Generalized Normal Distribution Algorithm with Opposition-Based Learning Strategy for Solving Data Clustering Problems [0.0]
  本稿では、類似データと異種データを異なるグループに分類するコネクティビティ原則に基づいて、クラスタを分離するデータクラスタリングについて検討する。 メタヒューリスティック最適化アルゴリズムとインテリジェンスに基づく手法が,最適解を妥当な時間で達成するために導入された。
  論文  参考訳（メタデータ） (2023-02-16T23:29:01Z)
• Contextual Model Aggregation for Fast and Robust Federated Learning in Edge Computing [88.76112371510999]
  フェデレーション学習は、ネットワークエッジにおける分散機械学習の第一候補である。 既存のアルゴリズムは、性能の緩やかな収束や堅牢性の問題に直面している。 そこで本稿では,損失低減に対する最適コンテキスト依存境界を実現するためのコンテキストアグリゲーション手法を提案する。
  論文  参考訳（メタデータ） (2022-03-23T21:42:31Z)
• Adaptive Group Collaborative Artificial Bee Colony Algorithm [12.843155301033512]
  人工蜂コロニー(ABC)アルゴリズムは競争力があることが示されている。 解空間全体(探索と呼ばれる)におけるグローバル探索の能力のバランスが取れず、局所解空間における迅速な探索が難しい。 ABCの性能向上のために,適応グループ協調ABC(AgABC)アルゴリズムを導入した。
  論文  参考訳（メタデータ） (2021-12-02T13:33:37Z)
• Skeleton-Split Framework using Spatial Temporal Graph Convolutional Networks for Action Recogntion [2.132096006921048]
  本研究の目的は,ST-GCNモデルを用いた日常生活活動の認識である。 接続分割分割手法を用いて,48.88 %トップ1の精度を実現した。 インデックス分割分割戦略を用いて、73.25 %トップ-1の精度を実現する。
  論文  参考訳（メタデータ） (2021-11-04T18:59:02Z)
• Portfolio Search and Optimization for General Strategy Game-Playing [58.896302717975445]
  ローリングホライズン進化アルゴリズムに基づく最適化とアクション選択のための新しいアルゴリズムを提案する。 エージェントのパラメータとポートフォリオセットの最適化について,N-tuple Bandit Evolutionary Algorithmを用いて検討する。 エージェントの性能分析により,提案手法はすべてのゲームモードによく一般化し,他のポートフォリオ手法よりも優れることが示された。
  論文  参考訳（メタデータ） (2021-04-21T09:28:28Z)
• A Comprehensive Comparison of End-to-End Approaches for Handwritten Digit String Recognition [21.522563264752577]
  我々は,HDSR問題,特にオブジェクト検出とシーケンス・ツー・シーケンス表現に基づく2つの分野において,様々なエンドツーエンドアプローチを評価した。 以上の結果から,Yoloモデルとセグメント化のないモデルでは,パイプラインが短くなるという利点があることがわかった。
  論文  参考訳（メタデータ） (2020-10-29T19:38:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。