文献

J-GLOBAL ID：201702277992873304   整理番号：17A1125610

ロバストな視覚追跡のための学習空間的に正則化された類似性【Powered by NICT】

Learning spatially regularized similarity for robust visual tracking

著者 (7件)： Zhou Xiuzhuang (College of Information Engineering, Capital Normal University, Beijing, China) ,  Zhou Xiuzhuang (Beijing Advanced Innovation Center for Imaging Technology, Beijing, China) ,  Huo Qirun (School of Computer Science, Beijing Institute of Technology, Beijing, China) ,  Shang Yuanyuan (College of Information Engineering, Capital Normal University, Beijing, China) ,  Shang Yuanyuan (Beijing Advanced Innovation Center for Imaging Technology, Beijing, China) ,  Xu Min (College of Information Engineering, Capital Normal University, Beijing, China) ,  Ding Hui (College of Information Engineering, Capital Normal University, Beijing, China)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 60  ページ： 134-141  発行年： 2017年 
JST資料番号： A0611C  ISSN： 0262-8856  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： 連続フレーム上のターゲットオブジェクトのマッチング外観は視覚追跡における重要なステップである。実用的追跡システムの精度性能はビジュアルマッチングのために使う類似性計量に大きく依存する。視覚追跡における逐次視覚データ(あらかじめ定義された計量の代わりに)により学習された識別指標を統合する最近の試みは,よりロバストで正確な結果を示した。しかし,ターゲットオブジェクトが大きな外見変動または閉塞を経験したときに視覚的マッチングのための準最適しばしば地球類似性計量。この問題に対処するために,本論文では,ロバストなビジュアルトラッキングのための空間的に重み付き類似度融合(SWSF)法を提案した。SWSFでは,部品ベースモデルは,オブジェクト表現として使用した,局所類似性計量と空間的に正則化された量はコヒーレント過程における結合的に学習される,視標と候補間の全マッチング精度を効果的に増強できることを示した。経験的に,いくつかの最先端の方法に対する様々な挑戦的な課題シーケンス上で提案トラッカーを評価し,結果は,この方法が種々の挑戦的なトラッキングシナリオにおける競争的あるいは良好な追跡性能を達成できることを示した。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： トラッキング装置 ,  コヒーレンス ,  *正則化 ,  *視覚 ,  *ロバスト性 ,  *類似性 ,  地球 ,  マッチング ,  *学習
準シソーラス用語： 視標 ,  類似度 ,  *ビジュアルトラッキング , 【Automatic Indexing@JST】

著者キーワード (5件)： 視覚追跡 ,  部品ベース表現 ,  メトリック学習 ,  局所類似性 ,  空間正則化

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ロバスト ,  視覚追跡 ,  正則化 ,  類似性