Implémentation générique et rapide de l'algorithme de Levenberg-Marquardt : LMA
L'algorithme de Levenberg-Marquardt est une méthode d'optimisation non-linéaire très populaire. Il en existe de nombreuses implémentations. L'avantage de la bibliothèque LMA développée dans l'équipe Comsee est d'offrir à la fois une forte généricité, une syntaxe facile d'utilisation et de hautes performances calculatoires. La bibliothèque LMA est disponible en ligne ici et a fait l'objet d'une publication dans le Journal of Software: Practice and Experience accessible ici.
Suivi de type machine noyau
Nous présentons une solution pour le suivi en temps réel d'un motif plan. Le suivi est considéré comme l'estimation d'une fonction paramétrique entre les observations et le mouvement, et nous proposons une extension de l'approche par apprentissage présentée simultanément par Cootes et al. et par Jurie et Dhome. Nous montrons que l'algorithme classique hyperplan est un cas particulier d'un modèle plus générique constitué d'une somme linéairement pondérée de fonctions non linéaires de base. Les poids associés aux fonctions de base (fonctions noyau) du modèle sont estimés à partir d'un ensemble d'apprentissage généré de manière synthétique constitué de perturbations et de leurs observations associées. Le tracker résultant est alors composé de plusieurs itérations de trackers appris avec des amplitudes de perturbations de plus en plus fines.
Vous pouvez télécharger un fichier zip contenant un logiciel exécutable de l'algorithme du suivi basé noyau dans cette publication.
En outre, une brève description de la méthode est disponible ici.
TELECHARGER .EXE
Bibliothèque NT2
La bibliothèque NT2 utilisée dans ce programme est disponible sur GitHub.