文献

J-GLOBAL ID：201102250853963050   整理番号：11A1264827

オンライン多重インスタンス学習を用いたロバストなオブジェクトトラッキング

Robust Object Tracking with Online Multiple Instance Learning

著者 (3件)： BABENKO Boris (Univ. California, CA) ,  YANG Ming-Hsuan (Univ. California, CA) ,  BELONGIE Serge (Univ. California, CA)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 33  号： 8  ページ： 1619-1632  発行年： 2011年08月 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  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： コンピュータビジョンにおいて多数研究がなされているオブジェクトトラッキングの問題を取り上げ,本論文では,オンライン多重インスタンス学習(MIL)を用いたロバストなオブジェクトトラッキング手法を提案した。適応型外見モデルについて論じ,オンラインMILを用いたトラッキングに関しては,動きモデル,MILの詳細な内容,オンラインブースティング,オンライン多重インスタンスブースティング,について論じ,その実装方式の詳細事項を示した。提案手法の評価実験を行い,評価方法論を示すとともに,トラッキングオブジェクトの位置決め,トラッキングオブジェクトのスケール,などの結果を示した。この実験を通して,多数の最先端競合技術との定量的性能比較を行い,提案アルゴリズムが部分的オクルージョンや各種の外見の変化に対して最もロバスト性が高いことを確認した。

シソーラス用語： *コンピュータビジョン ,  追跡 ,  *画像分析 ,  *帰納学習 ,  機械学習 ,  オンライン処理 ,  評価試験 ,  性能評価 ,  オクルージョン
準シソーラス用語： *オブジェクトトラッキング ,  *インスタンス学習 ,  ブースティング

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： オンライン ,  多重 ,  インスタンス ,  学習 ,  ロバスト ,  オブジェクトトラッキング