文献

J-GLOBAL ID：201702224012974927   整理番号：17A0058155

平滑正則化を用いた構造化低ランクトラッカ【Powered by NICT】

Structured low rank tracker with smoothed regularization

著者 (4件)： Fan Baojie (Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Cong Yang (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Science, Shenyang, China) ,  Li Xiaomao (School of Mechatronic Engineering and Automaion, Shanghai University, Shanghai, China) ,  Tang Yandong (State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Science, Shenyang, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： VCIP  ページ： 1-4  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 本論文では,ロバストなオブジェクトトラッキングのための平滑化正則化による構造化低ランク学習アルゴリズムを提案し,粒子フィルタフレームワーク。具体的には,粒子間の関係を構造化低ランク正則化項を利用し,同時にグループスパース性正則化を用いた異常値を扱う。訓練データからラベル情報は,それぞれ分類誤差項と考え符号化正則化項として追跡目的関数に組み込んだ。平滑化正則化により,開発した構造化低ランク学習に基づくトラッカーは反復reweighed最小二乗アルゴリズム(IRLS)により効率的に解くことができる,svd手術を回避した。協調正規化計量が最良の候補を見つけるために開発した。五十の挑戦的な配列にいくつかの最先端の追跡法と比較して,提案したアルゴリズムは,精度,ロバスト性の観点から十分に行った。Copyright 2017 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： 学習 ,  学習アルゴリズム ,  ロバスト性 ,  最小二乗法 ,  アルゴリズム ,  *正則化 ,  目的関数 ,  平滑化 ,  正規化 ,  異常値 ,  *構造形成
準シソーラス用語： 訓練データ ,  スパース性 ,  粒子フィルタ ,  物体追跡 , 【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 (2件)： 正則化 ,  構造化