文献

J-GLOBAL ID：201702287253624023   整理番号：17A0966754

微分進化アルゴリズムに基づく視覚追跡フレームワーク【Powered by NICT】

A visual tracking framework based on differential evolution algorithm

著者 (4件)： Xu Feiyi (The Institute of Advanced Technology, Nanjing University of Posts and Telecommunications, Nanjing, China) ,  Hu Haidong (Beijing Institute of Control Engineering, Beijing, China) ,  Wang Chuangye (State Grid Guzhen Electric Power Company, Bengbu, China) ,  Gao Hao (The Institute of Advanced Technology, Nanjing University of Posts and Telecommunications, Nanjing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIST  ページ： 147-153  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： ビジュアルトラッキングは現在コンピュータビジョンの分野においてホットな研究トピックとなっている。追跡過程は動的最適化問題に変換することができる。本論文では,構造類似指標(SSIM)と名付けた画像適応度計量を用いて実験における物体位置を推定することである。添加では,DE(微分進化),人口ベースの統計的メタ発見的アルゴリズムをこの最適化問題のために採用した。ビジュアルトラッキングの特性に従って,本論文では,探索をより速く,より正確に,Gauss分布によりDEアルゴリズムの粒子を開始させた。反復式を改善することによって,CRとFの最適分布を自動的に選択大域および局所探索のバランスをとることができた。オブジェクトトラッキングの過程への新しい更新機構を導入することにより,追跡過程で発生する誤差を効果的に補償することができる。は,グレーレベル情報に基づいた新しい視覚追跡フレームワークを形成するために改良されたDEとSSIMを組み合わせた。PF(粒子フィルタ),SPSO(逐次粒子群最適化)とQPSO(量子挙動粒子群最適化)を含む他の追跡アルゴリズムと対照的試験により,実験結果は,微分進化アルゴリズムに基づいた新しいトラッキングフレームワークは他のものより良好な追跡性能を達成することを示した。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： 正規分布 ,  *アルゴリズム ,  近傍探索法 ,  画像 ,  最適化問題 ,  コンピュータビジョン
準シソーラス用語： 追跡アルゴリズム ,  粒子群最適化 ,  粒子フィルタ ,  物体追跡 ,  発見的アルゴリズム ,  *微分進化 ,  構造的類似性 ,  *ビジュアルトラッキング ,  *微分進化アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 微分進化アルゴリズム ,  視覚追跡 ,  フレームワーク