文献

J-GLOBAL ID：201802289105442095   整理番号：18A1688729

スパース正則化に基づく相関フィルタ追跡器【JST・京大機械翻訳】

Correlation filter tracker based on sparse regularization

著者 (2件)： Ji Zhangjian (School of Computer & Information Technology, Shanxi University, Taiyuan, China) ,  Wang Weiqiang (School of Computer and Control Engineering, University of Chinese Academy of Sciences, Beijing, China)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 55  ページ： 354-362  発行年： 2018年 
JST資料番号： W0218A  ISSN： 1047-3203  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： 最近,相関フィルタに基づくトラッカーは,精度とロバスト性の両方に関して競争性能を達成した。効果的に分類器を学習するために,これらの方法は,Fourier領域における高密度サンプリングの処理をモデル化するために,訓練サンプルの周期的仮定を利用する。しかし,周期的仮定は望ましくない境界効果を導入し,追跡モデルの性能を厳しく劣化させる。境界効果を低くするために,学習過程における各相関フィルタ係数をペナルティ化するために,異なる正則化パラメータを活用する多重スケールl1正則化相関フィルタ追跡装置(MSL1CFT)を提案した。著者らの方法は,正サンプルを悪化させることなく,負の訓練サンプルの有意に大きなセットに関する相関フィルタモデルを学習することができた。さらに,著者らのモデルに対する高速ソルバを提案した。2つのベンチマークデータセット:OTB2013とVOT2015に関する広範な経験的評価は,著者らの方法が追跡精度とロバスト性において最先端の手法より優れていることを実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *正則化 ,  トラッキング装置 ,  *フィルタリング ,  ロバスト性 ,  ペナルティ ,  オクルージョン ,  モデリング
準シソーラス用語： 最先端 ,  マルチスケール ,  正則化パラメータ ,  フィルタ係数 ,  学習過程 ,  境界効果 ,  高密度 ,  *相関フィルタ , 【Automatic Indexing@JST】

著者キーワード (4件)： オブジェクトトラッキング ,  相関フィルタ ,  適応L1正則化 ,  オクルージョン処理

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 正則化 ,  相関フィルタ ,  追跡