文献

J-GLOBAL ID：201602277480759702   整理番号：16A1095748

テンソルプーリングを用いた識別追跡【Powered by NICT】

Discriminative Tracking Using Tensor Pooling

著者 (4件)： Ma Bo (Beijing Laboratory of Intelligent Information Technology, School of Computer Science, Beijing Institute of Technology, Beijing, China) ,  Huang Lianghua (Beijing Laboratory of Intelligent Information Technology, School of Computer Science, Beijing Institute of Technology, Beijing, China) ,  Shen Jianbing (Beijing Laboratory of Intelligent Information Technology, School of Computer Science, Beijing Institute of Technology, Beijing, China) ,  Shao Ling (Department of Computer Science and Digital Technologies, Northumbria University, Newcastle upon Tyne, U.K.)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 46  号： 11  ページ： 2411-2422  発行年： 2016年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 効果的に大域的表現を構築するための局所ディスクリプタを組織化するためにどのようにして視覚タスクの性能に重大な影響を与える。最近,局所スパース表現は視覚追跡に適用し,局所雑音と部分オクルージョンに対する識別性とロバスト性のためにすることに成功した。テンプレートを用いて計算した局所スパース符号は実際にそれらの元のレイアウトに応じて三次テンソルを形成するが,ほとんどの既存のプーリング演算子は連結または統計を計算することにより符号変換するベクトル。ベクトルプールと比較して,テンソル型はそれ以上の標的出現のための固有の構造的情報を提供することができ,また連結ベースプーリング手法の高次元学習問題を避けることができることを論じた。それ故,本論文では,スパース符号化テンソルと直接標的テンプレートと候補を表現し,これらのテンソルに学習して出現モデルを構築することを提案した。ドリフトと環境騒音に対するこの方法のロバスト性を改善する識別フレームワークを提案した。最近の包括的なベンチマーク上での実験を行い,提案手法では,最先端技術の追跡よりも優れていることを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ロバスト性 ,  ベクトル ,  ドリフト ,  透視図法 ,  統制索引語 ,  高次元 ,  *テンソル ,  視覚 ,  学習 ,  オクルージョン ,  ベンチマーク ,  符号変換
準シソーラス用語： スパースコーディング ,  ビジュアルトラッキング ,  スパース表現 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： テンソル ,  識別 ,  追跡