文献

J-GLOBAL ID：201902214499397488   整理番号：19A2873004

物体追跡によるビデオセグメンテーションの強化【JST・京大機械翻訳】

Enhanced Video Segmentation with Object Tracking

著者 (12件)： Hong Zheran (School of Information Science and Technology, University of Science and Technology of China, Hefei, China) ,  Hong Zheran (Key Laboratory of Electromagnetic Space Information, Chinese Academy of Science, Beijing, China) ,  Chen Sheng (School of Information Science and Technology, University of Science and Technology of China, Hefei, China) ,  Chen Sheng (Key Laboratory of Electromagnetic Space Information, Chinese Academy of Science, Beijing, China) ,  Tan Zhentao (School of Information Science and Technology, University of Science and Technology of China, Hefei, China) ,  Tan Zhentao (Key Laboratory of Electromagnetic Space Information, Chinese Academy of Science, Beijing, China) ,  Liu Qiankun (School of Information Science and Technology, University of Science and Technology of China, Hefei, China) ,  Liu Qiankun (Key Laboratory of Electromagnetic Space Information, Chinese Academy of Science, Beijing, China) ,  Liu Bin (School of Information Science and Technology, University of Science and Technology of China, Hefei, China) ,  Liu Bin (Key Laboratory of Electromagnetic Space Information, Chinese Academy of Science, Beijing, China) ,  Yu Nenghai (School of Information Science and Technology, University of Science and Technology of China, Hefei, China) ,  Yu Nenghai (Key Laboratory of Electromagnetic Space Information, Chinese Academy of Science, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11901  ページ： 381-392  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 完全畳込みネットワーク(FCN)アーキテクチャの高い効率と優れた性能は,ビデオオブジェクトセグメンテーションタスクにおいてFCNを採用する最近の傾向になっている。これらのFCNベースの方法は通常フレーム間の動き情報を無視するが,類似のオブジェクト推論や背景クラッタ問題につながる可能性がある。これらを扱うために,ビデオオブジェクトセグメンテーションの性能を改善するためにトラッキング技術を用いることを提案した。提案したアルゴリズムは,ビデオオブジェクトセグメンテーションとトラッキングを同時に統一フレームワークで実行する。その後,最初の追跡結果によって提供された運動情報を用いて,類似のオブジェクト推論またはバックグラウンドクラッタ問題のような背景複雑さによって引き起こされるセグメンテーションマスクにおける異常値を排除した。リターンにおいて,最終的セグメンテーション結果は,追跡結果を監督するために使用することができた。この反復法において,両方のタスクの性能は強化される。挑戦的ベンチマークに関する実験結果は,著者らの提案方法の有効性を実証した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機アーキテクチャ ,  ネットワーク ,  アルゴリズム ,  ベンチマーク ,  有効性 ,  異常値 ,  *セグメンテーション ,  畳込み ,  逐次近似 ,  クラッタ
準シソーラス用語： *オブジェクトセグメンテーション ,  *物体追跡 , 【Automatic Indexing@JST】

著者キーワード (4件)： ビデオセグメンテーション ,  オブジェクトトラッキング ,  統一フレームワーク ,  背景複雑性

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 物体追跡 ,  ビデオセグメンテーション ,  強化