文献

J-GLOBAL ID：201802233144900503   整理番号：18A0518574

マルチタスクを基にした協調モデルを介したロバストな物体追跡【Powered by NICT】

Robust object tracking via multi-task based collaborative model

著者 (3件)： Wang Yong (School of Electrical and Computer Engineering, University of Ottawa) ,  Luo Xinbin (School of Electronic information and Electrical Engineering, Shanghai Jiao Tong University) ,  Hu Shiqiang (School of Aeronautics and Astronautics, Shanghai Jiao Tong University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1132-1136  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： 共同モデルを用いたロバストなオブジェクトトラッキングアルゴリズムを提案した。粒子フィルタリングの枠組み下で,著者らはマルチタスク学習に基づく生成的アプローチと識別的分類器モデルを開発した。生成モデルでは,適応型テンプレート更新を利用したヒストグラムベースの部分空間学習法を提案した。識別モデルでは,バックグラウンドより前景に重みを割り当てる信頼値を計算する効果的な方法を導入した。分解モデルを用いて,各粒子の異常値を考慮に入れることである。乗算器(ADMM)アルゴリズムの交互方向法を最適化問題はロバストかつ正確に解くことができる。十種類の最先端レベル手法を用いた定性的及び定量的比較は,追跡中に様々な課題を扱うこの方法の有効性と効率を実証した。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： 最適化問題 ,  アルゴリズム ,  *ロバスト性 ,  異常値 ,  乗算器 ,  *モデル
準シソーラス用語： 最先端 ,  前景 ,  部分空間学習 ,  生成モデル ,  マルチタスク学習 ,  粒子フィルタリング ,  *物体追跡 ,  *協調モデル ,  *マルチタスク , 【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 (4件)： マルチタスク ,  協調モデル ,  ロバスト ,  物体追跡