文献

J-GLOBAL ID：201702252050104416   整理番号：17A0852816

トラッキングにおけるカーネル化相関フィルタのための出力制約移動【Powered by NICT】

Output Constraint Transfer for Kernelized Correlation Filter in Tracking

著者 (8件)： Zhang Baochang (Beihang University, Beijing, China) ,  Li Zhigang (Beihang University, Beijing, China) ,  Cao Xianbin (Beihang University, Beijing, China) ,  Ye Qixiang (University of Chinese Academy of Sciences, Beijing, China) ,  Chen Chen (Center for Research in Computer Vision, University of Central Florida, Orlando, FL, USA) ,  Shen Linlin (Computer Vision Institute, School of Computer Science & Software Engineering, Shenzhen University, Shenzhen, China) ,  Perina Alessandro (Microsoft Corporation, Redmond, WA, USA) ,  Jill Rongrong (Xiamen University, Xiamen, China)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 47  号： 4  ページ： 693-703  発行年： 2017年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  資料種別： 逐次刊行物 (A)
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： カーネル化相関フィルタ(KCF)は最先端のオブジェクトトラッカーの一つである。しかし,追跡プロセス,ドリフト問題を引き起こす可能性がある時の相関応答の分布を説明するモデルとして合理的せず,標的はオクルージョン,カメラ振動,および/または変形による顕著な外観変化を受けた。本論文では,モデリングによるBayes最適化フレームワークにおける相関応答の分布はドリフト問題を緩和できることを出力制約移動(OCT)法を提案した。OCTはターゲット画像に応答相関はGauss分布,訓練サンプルを選択し,モデルの不確実性を低減するために利用するに従うことが合理的な仮定に基づいている。OCTはデータ分布を最適化変数の制約に新しい理論に根ざした,相関フィルタを計算するための効率的なフレームワークをもたらす。一般的に使用される追跡ベンチマーク上での包括的実験を行い,提案した方法は,KCFを大幅に改善することを示し,他の最先端技術の追跡よりも優れた性能を達成した。更なる開発を奨励するために,ソースコードが可能にされる。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： *ドリフト ,  *フィルタリング ,  最適化 ,  ベンチマーク ,  オクルージョン ,  画像 ,  カメラ ,  正規分布 ,  モデリング
準シソーラス用語： ソースコード ,  最先端技術 ,  モデルの不確実性 ,  *相関フィルタ ,  *カーネル化 , 【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)： トラッキング ,  カーネル化 ,  相関フィルタ ,  制約