文献

J-GLOBAL ID：201902269201951560   整理番号：19A1540017

視覚追跡のための効率的なマルチレベル相関【JST・京大機械翻訳】

Efficient Multi-level Correlating for Visual Tracking

著者 (4件)： Ma Yipeng (Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen, China) ,  Yuan Chun (Graduate School at Shenzhen, Tsinghua University, Shenzhen, China) ,  Gao Peng (Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen, China) ,  Wang Fei (Shenzhen Graduate School, Harbin Institute of Technology, Shenzhen, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11365  ページ： 452-465  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： 相関フィルタ(CF)ベースの追跡アルゴリズムは,最近,好ましい性能を実証した。それにもかかわらず,トップ性能トラッカーは,それらのリアルタイムアプリケーションを制約する複雑な最適化手法を常に使用する。追跡精度を保持しながら追跡速度を加速する方法は重要な問題である。本論文では,二段階検出によるCFの潜在能力をさらに調べるMLCFTと名付けたマルチレベルCFベーストラッキングアプローチを提案した。カスケード検出方式は単純であるが,モデルドリフトを防ぎ,速度を加速する。畳込みニューラルネットワーク(CNN)の深い層と浅い層から抽出された相補的特徴を結合するために,相対エントロピーに基づく効果的な融合法を導入した。さらに,新しいオンラインモデル更新戦略を著者らの追跡装置において利用して,それはさらに追跡性能を強化した。実験結果は,著者らの提案した手法が最先端のトラッカーよりも性能が優れていることを示し,一方,挑戦的ベンチマーク上で2秒当たり16フレームを超える速度でトラッキングした。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： トラッキング装置 ,  最適化手法 ,  *ドリフト ,  ベンチマーク
準シソーラス用語： モデル更新 ,  オンライン ,  潜在力 ,  追跡アルゴリズム ,  相関フィルタ ,  *マルチレベル ,  *ビジュアルトラッキング , 【Automatic Indexing@JST】

著者キーワード (4件)： 視覚追跡 ,  相関フィルタ ,  畳み込みニューラルネットワーク ,  相対エントロピー

分類 (5件)： 図形・画像処理一般  (JE04010I) ,  計算機網  (JC03000K) ,  分子・遺伝情報処理  (JE15040B) ,  その他の情報処理  (JE15050M) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 視覚追跡 ,  マルチレベル ,  相関