文献

J-GLOBAL ID：201802279242402326   整理番号：18A0845671

多様体正則化相関物体追跡【JST・京大機械翻訳】

Manifold Regularized Correlation Object Tracking

著者 (4件)： Hu Hongwei (Beijing Laboratory of Intelligent Information Technology, School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Ma Bo (Beijing Laboratory of Intelligent Information Technology, School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Shen Jianbing (Beijing Laboratory of Intelligent Information Technology, School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China) ,  Shao Ling (School of Computing Sciences, University of East Anglia, Norwich, U.K.)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 5  ページ： 1786-1795  発行年： 2018年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： 本論文では,拡張サンプルを用いた多様体正則化相関追跡法を提案した。非標識データのより良い利用とサンプル空間のマニホールド構造を作るために,多様体正規化ベースの相関フィルタを導入して,それは隣接サンプルに類似のラベルを割り当てることを目的とした。一方,回帰モデルは,ターゲットと非ターゲット領域の両方から作られた複数のベースサンプル上の拡張された翻訳サンプルから生じるマトリックスのブロック-サーキュラント構造を利用することによって学習される。したがって,著者らの方法における最終分類装置は,正,負,および非標識ベースサンプルで訓練される。それは半教師つき学習フレームワークである。効率的なオンライントラッキングのための多様体正則化ベースの相関フィルタを学習するために,ブロック最適化戦略をさらに導入した。2つの公開追跡データセットに関する実験は,最先端の追跡手法と比較して,著者らの追跡装置の優れた性能を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 回帰モデル ,  マニホールド ,  最適化 ,  正規化 ,  *多様体 ,  分類装置 ,  フィルタリング ,  *正則化 ,  トラッキング装置
準シソーラス用語： 半教師つき学習 ,  相関フィルタ ,  *物体追跡 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 多様体 ,  正則化 ,  相関 ,  物体追跡