文献

J-GLOBAL ID：201802296404991221   整理番号：18A1480381

視覚追跡のための逆非負局所座標因子分解【JST・京大機械翻訳】

Inverse Nonnegative Local Coordinate Factorization for Visual Tracking

著者 (6件)： Liu Fanghui (Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, Shanghai, China) ,  Zhou Tao (Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, Shanghai, China) ,  Gong Chen (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Fu Keren (College of Computer Science, Sichuan University, Chengdu, China) ,  Bai Li (School of Computer Science, University of Nottingham, Nottingham, U.K.) ,  Yang Jie (Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University, Shanghai, China)
資料名： IEEE Transactions on Circuits and Systems for Video Technology  (IEEE Transactions on Circuits and Systems for Video Technology)
巻： 28  号： 8  ページ： 1752-1764  発行年： 2018年 
JST資料番号： W0321A  ISSN： 1051-8215  CODEN： ITCTEM  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： 最近,部分ベース表現による非負行列因数分解(NMF)が視覚追跡における外観モデリングに広く使われている。残念ながら,いくつかの厳しい条件が満たされない限り,すべてのターゲットを「部品」として首尾よく分解することができない。この問題を避けるために,本論文では,外観モデリングのためのデータクラスタリングの観点から,NMFの変種を視覚追跡フレームワークに導入し,最初に,NMFに基づく初期目標出現モデルを提案して,組み込まれた局所座標因数分解制約,基底の直交性,およびL_1,1ノルム正規化スパース残留誤差制約による目標の出現を記述した。第二に,逆NMFモデルを提案し,各学習ベースベクトルを低次元部分空間におけるクラスタ化中心と見なした。可能性のあるターゲットサンプル(前景からの)はベースベクトルの周りにクラスタ化されるが,候補サンプル(バックグラウンドからの)は全体のクラスタリング空間にわたって不規則に広がる可能性がある。従来のNMF法よりも判別符号化ベクトルを生成する逆NMFモデルにより,このような差を完全に利用でき,さらに,初期出現モデルをオンライン更新するための追跡フレームワークに導入し,変形,オクルージョン,その他の挑戦的状況におけるいくつかの最先端の方法と比較した場合,追跡者が有望な性能を達成できることを示した。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： ノルム ,  *ベクトル ,  モデル ,  クラスタ化 ,  正規化 ,  オクルージョン ,  因数分解 ,  学習 ,  基底 ,  モデリング
準シソーラス用語： 前景 ,  部分空間 ,  低次元 ,  非負行列因子分解 ,  *ビジュアルトラッキング , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (3件)： 視覚追跡 ,  座標 ,  因子分解