文献

J-GLOBAL ID：201702225262013232   整理番号：17A1265227

畳込みニューラルネットワークとカーネル化相関フィルタを用いた物体追跡【Powered by NICT】

Object tracking with convolutional neural networks and kernelized correlation filters

著者 (2件)： Li Dongxuan (School of Automation, Beijing Institute of Technology, Beijing 100081, P. R. China) ,  Chen Wenjie (School of Automation, Beijing Institute of Technology, Beijing 100081, P. R. China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCDC  ページ： 1039-1044  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： 畳込みニューラルネットワークは物体認識と検出に広く用いられている。近年,何人かの研究者は,深いニューラルネットワークを適用した視覚オブジェクトトラッキングに対することを試みた。しかし,深層ネットワークは非常に時間がかかり,オブジェクトトラッキングは本質的に分類問題ではない。本論文では,カーネル化相関フィルタ(KCF)を持つ浅い畳込みニューラルネットワークを組み合わせたオンライン追跡フレームワークを提案した。オフライン訓練とは異なり,提案手法では,K-meansクラスタリングアルゴリズムによる畳込みカーネルを得ることに成功した。代表的な視覚追跡ベンチマークデータセットに基づく実験結果は,提案した方法が優れた性能を達成することを示した。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： 深層 ,  *畳込み ,  *ネットワーク ,  *ニューラルネットワーク ,  物体認識 ,  視覚
準シソーラス用語： ビジュアルトラッキング ,  k-means法 ,  オフライン ,  オンライン ,  *物体追跡 ,  *相関フィルタ ,  *カーネル化 , 【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 (4件)： 畳込みニューラルネットワーク ,  カーネル化 ,  相関フィルタ ,  物体追跡