文献

J-GLOBAL ID：201602219611966775   整理番号：16A0876326

Struck:カーネルを用いた構造化出力追跡【Powered by NICT】

Struck: Structured Output Tracking with Kernels

著者 (7件)： Hare Sam (Obvious Engineering, London, United Kingdom) ,  Golodetz Stuart (University of Oxford) ,  Saffari Amir (import.io, London, United Kingdom) ,  Vineet Vibhav (Computer Science Department, Stanford University, Palo Alto, CA) ,  Cheng Ming-Ming (College of Computer and Control Engineering, Nankai University, Tianjin, China) ,  Hicks Stephen L. (University of Oxford) ,  Torr Philip H.S. (University of Oxford)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 38  号： 10  ページ： 2096-2109  発行年： 2016年 
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： 適応追跡による検出法は任意の形状の物体を追跡するためのコンピュータビジョンにおいて広く使用されている。現在の方法は,追跡問題を扱う分類タスクとして,オブジェクトモデルを更新するためのオンライン学習技法を利用した。にこれらの更新のための,推定されたオブジェクト位置を変換セットラベル付き訓練例にする必要があり,この中間段階を行う最良かは明らかでない。さらに,分類器(ラベル予測)の目的は,トラッカーのための対物レンズと結合した明確にされていない(物体位置の推定)。本論文では,構造化出力予測に基づく適応ビジュアルオブジェクトトラッキングのためのフレームワークを提案した。出力空間を可能にするトラッカーのニーズを表現するために明示的ににより,中間分類段階の必要性を回避した。著者らの方法は,kernelised構造化出力サポートベクトルマシン(SVM),適応追従を提供するオンライン学習を用いた。提案トラッカーでは,高いフレームレートで運転可能にするために,(a)は,他の方法では追跡中に発生すると思われるサポートベクトルの数における非有界成長を防止する予算機構を導入し,(b)GPU上での追跡を実現する方法を示した。実験的に,このアルゴリズムは種々のベンチマークビデオ上での最先端技術の追跡より性能が優れていることができることを示した。さらに,提案フレームワークを増大して,トラッキング性能をもたらすへの付加的な特徴とカーネルを容易にできることを示した。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： 対物レンズ ,  検出法 ,  アルゴリズム ,  サポートベクトルマシン ,  コンピュータビジョン ,  *構造形成
準シソーラス用語： 有界 ,  フレームレート ,  出力予測 ,  オンライン学習 ,  オブジェクトモデル ,  追跡問題 , 【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)： カーネル ,  構造化 ,  追跡