文献

J-GLOBAL ID：201802238870776127   整理番号：18A0588153

物体追跡のための深いニューラルネットワークを利用に関する調査【Powered by NICT】

A survey on leveraging deep neural networks for object tracking

著者 (3件)： Krebs Sebastian (Daimler AG, Research and Development, Ulm, Germany) ,  Duraisamy Bharanidhar (Daimler AG, Research and Development, Ulm, Germany) ,  Flohr Fabian (Daimler AG, Research and Development, Ulm, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ITSC  ページ： 411-418  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： 物体追跡は1つまたは複数のセンサからの受信された雑音測定に基づく単一または複数物体の状態時間を推定するタスクである。物体追跡の分野は,軍用レーダシステムとセンサフュージョンアプローチの範囲のいくつかの応用領域上であり,消費者エレクトロニクスと監視システムで採用されている今日のコンピュータビジョン追跡法。も自律運転において重要な役割を果たしている。近年,深いニューラルネットワークの利用は様々な分野でスパイクした検出と分類タスクにおけるそれらの優れた性能に起因する。アスペクトもこれらの方法物体追跡に応用できるようになる。それ故,本調査の目的は,読者に与える簡単だが包括的な開始最新性ディープ学習に基づく拡張とアプローチに焦点を当てた物体追跡の広範な分野にすることである。まず,伝統的な非深い追跡システムを簡単にレビューし,このようなシステムの個々の成分の一般的なモデルを紹介した。この構造に基づいて文献で代表的な深い地中追跡応用を分類して提示した。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： 学習 ,  消費者 ,  トラッキング装置 ,  電子技術 ,  *ニューラルネットワーク ,  モデル ,  運転 ,  コンピュータビジョン ,  雑音測定 ,  センサ ,  軍用レーダ ,  監視装置
準シソーラス用語： 自律性 ,  *物体追跡 , 【Automatic Indexing@JST】

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 物体追跡 ,  ニューラルネットワーク ,  調査