文献

J-GLOBAL ID：201802237091488147   整理番号：18A1319946

深さスパース学習に基づくロバスト視覚追跡【JST・京大機械翻訳】

Robust visual tracking based on deep sparse learning

著者 (5件)： Wang Xin (空軍工程大学信息与導航学院,西安,710077) ,  Hou Zhiqiang (空軍工程大学信息与導航学院,西安,710077) ,  Yu Wangsheng (空軍工程大学信息与導航学院,西安,710077) ,  Dai Bo (空軍工程大学信息与導航学院,西安,710077) ,  Jin Zefenfen (空軍工程大学信息与導航学院,西安,710077)
資料名： Beijing Hangkong Hangtian Daxue Xuebao  (Beijing Hangkong Hangtian Daxue Xuebao)
巻： 43  号： 12  ページ： 2554-2563  発行年： 2017年 
JST資料番号： C2402A  ISSN： 1001-5965  CODEN： BHHDE8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 視覚追跡において,効率的でロバストな特徴表現は,複雑な環境における追跡性能に影響する重要な因子である。深いスパースニューラルネットワークモデルを提案して,より本質的抽象特性を抽出すると同時に,複雑な時間のモデル事前訓練プロセスを避けた。単一の正のサンプルに対してデータ拡張を行い、オンライン追跡時の正負サンプルアンバランスの問題を解決し、モデルの安定性を高めた。高密度サンプリング検索アルゴリズムを利用して、局部の信頼図を生成し、サンプリング粒子のドリフト現象を克服し、モデルのロバスト性をさらに高めるため、それぞれ相応するモデルパラメータの更新と探索領域の更新策略を提出した。大量の実験結果により、現在の主流追跡アルゴリズムと比べ、提案アルゴリズムは複雑な環境下の追跡問題に対して良好なロバスト性を持ち、追跡ドリフトを有効に抑制し、しかも比較的速い追跡速度を有することが明らかになった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ドリフト ,  モデル ,  *透視図法 ,  *ロバスト性 ,  *学習 ,  アルゴリズム
準シソーラス用語： 追跡問題 ,  追跡アルゴリズム ,  モデルパラメータ ,  検索アルゴリズム ,  高密度 ,  オンライン ,  特徴表現 ,  *ビジュアルトラッキング , 【Automatic Indexing@JST】

著者キーワード (5件)： visual tracking ,  deep learning ,  deep sparse neural network ,  sparse autoencoders ,  local confidence maps

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 (3件)： 学習 ,  ロバスト ,  視覚追跡