文献

J-GLOBAL ID：201802275888158178   整理番号：18A0383091

ハイパーグラフ正則化を経由した一貫した多層subtaskトラッカ【Powered by NICT】

Consistent multi-layer subtask tracker via hyper-graph regularization

著者 (2件)： Fan Baojie (Automation College, Nanjing University of Posts and Telecommunications, China) ,  Cong Yang (State Key Laboratory of Robotics, Chinese Academy of Sciences, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 67  ページ： 299-312  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ほとんどのマルチタスク学習ベーストラッカーは全タスクは一般的な特徴セット,実際の状況をうまくカバーできないを共有すると仮定することによって類似タスク定義を採用した。本論文では,新たな視点からサブタスクを定義し,グラフ正則化を用いた構造化と一貫した多層多サブタスク追跡装置を開発した。追跡タスクは,多層サブタスクの協力により完成した。異なるサブタスクは,目標地域中の種々の部分の追跡に対応している。隣接フレーム間のサブタスクの対応,一貫性があり平滑であった。提案したモデルはと標的候補または訓練された試料内部の大域的および局所的固有の幾何学的構造を保存するためのハイパーグラフ正則化紹介し,二つの成分にサブタスクの代表的マトリックスを分解する:低品位特性はサブタスク関係を捕捉し,グループスパース特性は異常値サブタスクを同定した。協調計量方式が最良の候補を見つけるために開発された識別信頼性と表現精度の両方に関してである。提案した多層多サブタスク学習ベーストラッカーは一般的なモデル,大部分の既存のマルチタスクトラッカーをそれぞれの長所を持つことを示した。公共ビデオ列の大規模セット上の励みとなる実験結果提案トラッカーの有効性とロバスト性を正当化し,多くの最先端の方法に対して同等の性能を達成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *正則化 ,  透視図法 ,  信頼性 ,  トラッキング装置 ,  *超グラフ ,  構造形成 ,  *多層 ,  モデル ,  *グラフ ,  異常値 ,  ロバスト性 ,  学習
準シソーラス用語： ビデオ列 ,  マルチタスク学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 多層subtask学習 ,  固有の幾何学的構造 ,  グラフ正則化 ,  正規化は計量を協力する ,  物体追跡

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ハイパーグラフ ,  正則化 ,  多層