文献

J-GLOBAL ID：201602251574630314   整理番号：16A0651845

学習レベル集合追跡のためのスーパピクセル駆動速度関数【Powered by NICT】

Learning A Superpixel-Driven Speed Function for Level Set Tracking

著者 (3件)： Zhou Xue (Department of Automation Engineering, University of Electronic Science and Technology of China, Chengdu, China) ,  Li Xi (College of Computer Science, Zhejiang University, Hangzhou, China) ,  Hu Weiming (Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 46  号： 7  ページ： 1498-1510  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： レベルセットトラッキングにおける重要な問題は,効果的な輪郭進化のための識別速度関数を構築することである。本論文では,著者らは,特徴的な速度関数に基づくレベル集合追跡法,有効レベル集合の発展のためのスーパーピクセル駆動力を提案した。カーネル密度推定と距離学習に基づいて,速度関数である実現可能な距離空間内のオブジェクトの外見に識別情報をコードする効果的にできた。さらに,レベルセット進化過程への適応オブジェクト形状モデリング,複雑なシナリオにおけるトラッキングのロバスト性を導入した。適応物体形状モデリングの効率を確実にするために,著者らはオンライン物体形状辞書を学習できることを単純であるが効率的な重みづけ非負行列因子分解法を開発した。多数の挑戦的なビデオ列の上での実験結果により,提案した追跡法の有効性とロバスト性を実証した。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： 重みづけ ,  *学習 ,  距離空間 ,  ロバスト性 ,  駆動力
準シソーラス用語： ビデオ列 ,  非負行列因子分解 ,  オンライン ,  形状モデリング ,  識別子 ,  カーネル推定 ,  *レベルセット法 , 【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 (5件)： 学習 ,  レベル集合 ,  追跡 ,  駆動速度 ,  関数