文献

J-GLOBAL ID：201702223785619118   整理番号：17A1773368

循環特徴マップを用いた大規模マージン物体追跡【Powered by NICT】

Large Margin Object Tracking with Circulant Feature Maps

著者 (3件)： Wang Mengmeng ,  Liu Yong ,  Huang Zeyi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 4800-4808  発行年： 2017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： 構造化出力サポートベクトルマシン(SVM)ベース追跡アルゴリズムは,近年,好ましい性能を示した。それにもかかわらず,時間のかかる候補サンプリングと複雑な最適化はそれらの実時間応用を制限している。本論文では,構造化出力SVMからの強い識別能力を吸収し,相関フィルタアルゴリズムによる速度を大きくする新しい大規模マージン物体追跡法を提案した。第二に,マルチモーダルターゲット検出法は,標的位置決め精度を改善し,類似オブジェクトまたは背景雑音によって導入されたモデルドリフトを防ぐために提案した。第三に,モデル破壊問題を避けるために高信頼性追跡結果からのフィードバックを利用した。アルゴリズムの強適合性を評価するために従来の手作業と深い畳込みニューラルネットワーク(CNN)に基づく特徴の両方から表現による提案トラッカーの二つのバージョンを実装した。実験結果は,提案トラッカーは挑戦的なベンチマーク配列にいくつかの最先端アルゴリズムに対する優位に行いながら二当たり80フレーム以上の速度で動作することを実証した。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： 最適化 ,  ニューラルネットワーク ,  構造形成 ,  サポートベクトルマシン ,  ベンチマーク ,  *アルゴリズム ,  適応性 ,  多モード ,  畳込み
準シソーラス用語： 背景雑音 ,  ターゲット検出 ,  相関フィルタ ,  追跡アルゴリズム ,  *物体追跡 ,  *特徴マップ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 循環 ,  特徴マップ ,  大規模 ,  物体追跡