Я классифицировал несколько объектов в последовательности видеокадров, беря список упорядоченных центроидов каждого объекта в предыдущем кадре и вычисляя эвклидовое расстояние до каждого набора центроидов в текущем кадре, а затем занимая минимальное расстояние между набор точек как один и тот же объект в последующих кадрах.Какой будет лучший алгоритм ближайшего соседа для этого приложения?
Этот метод работает очень хорошо, однако я понял, что это тип перестановки, где я беру выборку без замены (как только набор центроидов спарен, они удаляются из списка текущих центроидов). Проблема в том, что существует вероятность того, что если для данного объекта найден ближайший сосед, у которого также может быть другой сосед, который намного ближе, но не получает должным образом спаренного, потому что этот центр теперь удален из списка текущих объектов что приводит к ошибочной классификации.
Есть ли что-то похожее на k-ближайших соседей, где я могу учесть другие расстояния от заданного центра, обозначенного как ближайший сосед для текущего центроида? Приносим извинения, если это сбивает с толку, и, пожалуйста, дайте мне знать, если мне нужно представить иллюстрацию этого конкретного случая. Благодаря!
BTW, это делается на Python, поэтому, если есть соответствующие библиотеки, которые реализуют технику, которую вы предлагаете, это будет большой помощью.