文献

J-GLOBAL ID：201702263283429963   整理番号：17A0457504

視覚追跡のための二乗最小マルチスケールカーネル化【Powered by NICT】

Multi-scale kernelized least squares for visual tracking

著者 (3件)： Liu Junbin (ATR Key Laboratory, Shenzhen University, Shenzhen, China) ,  Xie Weixin (ATR Key Laboratory, Shenzhen University, Shenzhen, China) ,  Li Liangqun (ATR Key Laboratory, Shenzhen University, Shenzhen, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICSP  ページ： 914-918  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： 視覚追跡中のターゲットの外見の複雑な変化に対処するために,マルチスケールカーネル化された最小二乗(KLS)に基づくロバストな追跡アルゴリズムを提案した。最初に翻訳されたパッチの高密度サンプリング集合である巡回ことを示すことにより,巡回行列の良く確立された理論を用いて,最小カーネル化二乗高速Fourier変換(FFT)を用いて計算した効率的である。第二に,標的と背景を全ての候補標的の応答分散によって有意に変化したかどうかを判断し,モデル更新を改善することを利用する方法を提案した。一方,スケールピラミッド表現に基づくロバストなスケール推定は大規模変動を扱うために提案した。広範な実験結果は,提案アプローチが,最先端の方法より優れていることを示し,リアルタイムで動作する。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： *ロバスト性 ,  高速Fourier変換 ,  最小二乗法
準シソーラス用語： 実時間 ,  モデル更新 ,  高密度 ,  追跡アルゴリズム ,  *マルチスケール ,  *ビジュアルトラッキング , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 視覚追跡 ,  マルチスケール ,  カーネル化