文献

J-GLOBAL ID：201702226288621508   整理番号：17A1773006

深部強化学習を用いた視覚追跡のための行動決定ネットワーク【Powered by NICT】

Action-Decision Networks for Visual Tracking with Deep Reinforcement Learning

著者 (5件)： Yun Sangdoo ,  Choi Jongwon ,  Yoo Youngjoon ,  Yun Kimin ,  Choi Jin Young
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 1349-1358  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： 深部強化学習により学習された作用を連続的に制御される新しいトラッカーを提案した。深層ネットワークを用いた既存のトラッカーとは対照的に,提案トラッカーは光計算だけでなく,両位置と規模の満足すべき追跡精度を達成するように設計されている。制御動作への深い結合系は様々なトレーニングシーケンスを用いた術前訓練とターゲットと背景の変化に対するオンライン適応のための追跡中に微調整される。事前訓練は,深い強化学習だけでなく,教師つき学習を利用して行った。強化学習の使用は,半教師つき学習に成功裡に利用される部分的にも標識データを可能にした。OTBデータセットの評価を通して,提案トラッカーが最先端の,深いネットワークに基づくトラッカーよりも三倍高速であることを競争力のある性能を達成するために検証した。GPU上で実時間で動作する,提案した方法の高速版は,最新のリアルタイムトラッカーより優れている。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： 制御動作 ,  *強化学習 ,  深層 ,  高速度 ,  *ネットワーク ,  *深部 ,  教師つき学習
準シソーラス用語： 実時間 ,  最先端 ,  半教師つき学習 ,  オンライン ,  結合系 ,  *行動決定 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 深部 ,  強化学習 ,  視覚追跡 ,  行動決定