文献

J-GLOBAL ID：201802229406386212   整理番号：18A0519080

インタリービング可変レートカラー粒子フィルタリングと深い学習によるロバストな物体追跡【Powered by NICT】

Robust object tracking by interleaving variable rate color particle filtering and deep learning

著者 (4件)： Akok B. (Multimedia Signal Processing and Pattern Recognition Group, Istanbul Technical University, Turkey) ,  Gurkan F. (Multimedia Signal Processing and Pattern Recognition Group, Istanbul Technical University, Turkey) ,  Kaplan O. (Multimedia Signal Processing and Pattern Recognition Group, Istanbul Technical University, Turkey) ,  Gunsel B. (Multimedia Signal Processing and Pattern Recognition Group, Istanbul Technical University, Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3665-3669  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： 両方からの利点を取るために著者らは,識別と生成的追跡アプローチの効果的な組み合わせを提案した。著者らのアルゴリズムは,標的特異的領域の提案を生成するために支援する高速R CNNの識別特性を利用する。新しい提案分布は移動物体の動的モデルと深層学習により生成された検出仮説からの情報を組み込むために定式化した。領域提案から生成的外見モデルを構築し,可変レートカラー粒子フィルタリング(VRCPF)による逐次Bayesフィルタリングによる追跡を行った。CVPR2013ベンチマークデータセット上で報告された試験結果は,トラッカーと検出器のインタリービングは,照明変化,スケール変化,高い運動と閉塞にロバスト性を大幅に改善することを目標分布を更新効果的にすることを可能にすることを示す。Copyright 2018 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： 高速度 ,  *インタリービング ,  *ロバスト性 ,  定式化 ,  検出器 ,  アルゴリズム ,  移動体 ,  ダイナミックモデル
準シソーラス用語： 照明変化 ,  Bayesフィルタリング ,  外見モデル ,  深層学習 ,  *物体追跡 ,  *粒子フィルタリング , 【Automatic Indexing@JST】

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 (8件)： インタリービング ,  可変 ,  レート ,  カラー ,  粒子フィルタリング ,  学習 ,  ロバスト ,  物体追跡