文献

J-GLOBAL ID：201702226184444129   整理番号：17A1398438

DenseTracker:視覚追跡のためのマルチタスク高密度ネットワーク【Powered by NICT】

DenseTracker: A multi-task dense network for visual tracking

著者 (4件)： Zhao Fei (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China, 100190) ,  Tang Ming (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China, 100190) ,  Wu Yi (School of Technology, Nanjing Audit University, Nanjing, China, 211815) ,  Wang Jinqiao (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, Beijing, China, 100190)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 607-612  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： ビデオにおける任意の物体を追跡するためのコンピュータビジョンにおける主要な課題の一つであり,それは数十年間研究されてきた。手作りの特徴に基づき,伝統的なトラッカーは,オブジェクトの外見の複雑な変化のための貧弱な識別性を示した。最近,畳込みニューラルネットワーク(CNN)に基づくいくつかのトラッカーは豊富な畳込み特性を利用することにより,いくつかの有望な結果を示した。本論文では,mutliタスク高密度畳込みネットワークに基づく新しいDenseTrackerを提案した。よりコンパクトで識別表現を学習するために,異なった層からのアンサンブル特徴に密なブロック構造を採用した。マルチタスク損失はボックス回帰とペアワイズ類似性の共同学習による物体の位置と規模を正確に予測するように設計されている。さらに,DenseTrackerはImageNetビデオ(VID)とALOV300++を含む大規模データセット上でのエンドツーエンド訓練した。DenseTracker GPU上で25fpsで実行され,OTB50とVOT2016の二公共ベンチマーク上で最先端技術レベルの性能を達成した。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： エンドツーエンド方式 ,  畳込み ,  類似性 ,  ベンチマーク ,  ニューラルネットワーク ,  録画装置 ,  ブロック構造 ,  *ネットワーク ,  コンピュータビジョン
準シソーラス用語： 最先端技術 ,  大規模データセット ,  協調学習 ,  *高密度 ,  *マルチタスク ,  *ビジュアルトラッキング , 【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 (3件)： 視覚追跡 ,  マルチタスク ,  高密度