文献

J-GLOBAL ID：201702254891021985   整理番号：17A1626388

視覚物体追跡のための深い相関フィルタとオンライン弁別学習の結合【Powered by NICT】

Coupling deep correlation filter and online discriminative learning for visual object tracking

著者 (5件)： Li Hanhui (Guilin University of Electronic Technology, Guilin 541004, China) ,  Li Hanhui (Sun Yat-sen University, Guangzhou 510006, China) ,  Wu Hefeng (Guangdong University of Foreign Studies, Guangzhou 510006, China) ,  Lin Shujin (Sun Yat-sen University, Guangzhou 510006, China) ,  Luo Xiaonan (Guilin University of Electronic Technology, Guilin 541004, China)
資料名： Journal of Computational and Applied Mathematics  (Journal of Computational and Applied Mathematics)
巻： 329  ページ： 191-201  発行年： 2018年 
JST資料番号： W0152A  ISSN： 0377-0427  CODEN： JCAMDI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 数学モデルと最適化の進歩は視覚による物体追跡問題を解くための強力なツールを導入したが,この基本的な問題は,照明変動,変形と閉塞のような種々の課題のために,未解決のままである。相関フィルタに基づくモデルにおける最近の進歩は,効果的で効率的な追跡解を提供した。型トラッカーのは有意にその計算プロセスを高速化するための畳込み定理の性質を利用した。しかしながら,訓練相関フィルタのスキームは,ほんのいくつかのネガティブな例を用いてモデルを訓練するためにに制限していて,それらの性能を低下させる。それ故,本論文では,相関フィルタの高速計算利点を組み合わせるオンライン弁別学習モデル,ターゲットの周りの文脈における負例を完全に利用できるとすることを提案した。提案トラッカーは粗から精への方式で進行する:提案トラッカーは最初の標的の位置の粗い推定を生成する相関フィルタを採用し,移動するモデルを用いてその推定を微細化し,スケーリングモデルを介して標的の大きさの変化を計算した。移動モデルとスケーリングモデルの両方は,著者らのオンライン識別モデルの枠内で定式化した。に加えて,著者らは,著者らの相関フィルタのためのロバストな画像特徴を生成するための効果的なオフライン表現学習法を提案した。オンライン物体追跡ベンチマーク最新の方法に対するに包括的な実験を行い,提案トラッカーの有効性を検証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *視覚 ,  最適化 ,  ロバスト性 ,  高速化 ,  ベンチマーク ,  定式化 ,  畳込み ,  画像特性 ,  *弁別学習 ,  高速計算 ,  数学モデル
準シソーラス用語： *オンライン ,  *相関フィルタ ,  *物体追跡 , 【Automatic Indexing@JST】

著者キーワード (5件)： 視覚追跡 ,  相関フィルタ ,  Fourier変換 ,  オンライン最適化 ,  深い学習

分類 (2件)： 信号理論  (ND02020G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 視覚 ,  物体追跡 ,  相関フィルタ ,  オンライン ,  弁別学習