文献

J-GLOBAL ID：201802287163558121   整理番号：18A0244633

UCT:実時間視覚追跡のための統一された畳込みネットワークの学習【Powered by NICT】

UCT: Learning Unified Convolutional Networks for Real-Time Visual Tracking

著者 (5件)： Zhu Zheng ,  Huang Guan ,  Zou Wei ,  Du Dalong ,  Huang Chang
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCVW  ページ： 1973-1982  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： 畳込みニューラルネットワーク(CNN)に基づくトラッキング手法は,最近のベンチマークにおいて良好な性能を示した。それにもかかわらず,選択されたCNNの特徴は,異なるタスクにおける事前常にと追跡システムの個々の部品を別々に学習されると,このようにして達成された追跡性能が準最適である可能性がある。に加えて,大部分のこれらトラッカーの時間のかかる特徴抽出と複雑な最適化詳細のために実時間応用に向けて設計されていない。本論文では,畳込み特徴を学習し,追跡プロセス同時に,すなわち,統一畳込みトラッカ(UCT)を実行するためにエンドツーエンドフレームワークを提案した。特に,UCTはそれらを畳込み演算と列車として特徴抽出器とトラッキングプロセス(リッジ回帰)を併用し,学習されたCNNの特徴は,追跡過程に強く結びつく可能にした。オンライン追跡では,ピーク対雑音比(PNR)基準を導入することにより提案した効率的な更新法と,スケール変化は,ネットワークへのスケール分岐を組み込むことにより効率的に処理した。提案した手法は優れた追跡性能をもたらし,実時間速度を維持した。標準UCTとUCT Liteはさらなる最適化なしに41FPSと154FPSで一般的な物体を追跡可能であった。実験は四つの挑戦的なベンチマーク追跡データセット:OTB2013,OTB2015,VOT2014とVOT2015について実施され,そして,この方法が他のリアルタイムトラッカーと比べてこれらのベンチマーク上で最先端技術レベルの結果を達成した。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： 雑音 ,  特徴抽出 ,  *畳込み ,  演算 ,  トラッキング装置 ,  ベンチマーク ,  *ネットワーク ,  最適化
準シソーラス用語： 最先端技術 ,  オンライン ,  畳込みニューラルネットワーク ,  *ビジュアルトラッキング ,  *実時間 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (4件)： 実時間 ,  視覚追跡 ,  畳込み ,  学習