抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年,識別相関フィルタ(DCF)に基づく方法は,追跡における最新技術をかなり進展させている。しかし,増え続ける追跡性能を追求し,それらの特徴的な速度とリアルタイム能力は徐々に退色した。さらに,大量の訓練可能パラメータの数が,ますます複雑なモデルは,過度のオーバフィッティングのリスクを導入した。本研究では,計算複雑性とオーバフィッティングの問題の背後にある重要な原因に取り組む,速度と性能を同時に改善することを目的とした。コアDCF定式化を再検討し,導入した:(i)因数分解コンボリューション演算子,モデルでのパラメーターの数を大幅に低減する,(ii)訓練サンプル分布のコンパクトな生成モデル,メモリと時間計算量を減少させるが,試料のより良い多様性を明らかにすること,(iii)改良されたロバスト性と複雑さを低減した保存モデル更新戦略。四ベンチマーク:VOT2016,UAV123,OTB2015およびTempleColorに関する包括的な実験を行った。高価な深い特徴を用いた場合,提案トラッカーは20倍高速化を提供し,VOT2016挑戦におけるトップランク法[12]に比べて期待される平均重複における13.0%の相対利得を達成した。さらに,手作りの特徴を用いて,高速変異体は単一CPU上で60Hzで動作し,OTB2015 65.0%AUCを得る。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】