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。
ビジュアルトラッキングは本質的に時間的問題である。識別相関フィルタ(DCF)は高速一般的な視覚物体追跡のための優れた性能を実証した。独創的な研究に基づいて,視覚追跡のための特徴抽出器としてImageNetにpretrained畳込みニューラルネットワーク(CNN)に基づく最近の改良の多くした。しかし,それらの研究の大部分はアンサンブル追跡装置としてブースティングまたはヘッジ技術を用いて異なる層に対する重みを設計するためのad hoc解析に依存する。本論文では,従来のDCF枠組みを越えて,ターゲット運動を出力直接階層的応答マップを利用するKernalised多重解像度Convnet(KMC)定式化を提案した。重量調整なしで見えない挑戦的なUAV追跡データセットを予測するための学習ネットワークを展開し直接と,提案したモデルは,一貫して優れた追従性能を達成した。さらに,移動したmultireslution CNNは,RNN時間学習フレームワークに統合され,視覚追跡のためのエンドツーエンド時間深層学習(TDL)上のドアを開放することが可能となる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】