文献

J-GLOBAL ID：201902280470329766   整理番号：19A0512876

構造保存スパース学習を用いたロバストな視覚追跡【JST・京大機械翻訳】

Robust Visual Tracking Using Structure-Preserving Sparse Learning

著者 (4件)： Kim Hyuncheol (Department of Image, Chung-Ang University, Seoul, South Korea) ,  Jeon Semi (Department of Image, Chung-Ang University, Seoul, South Korea) ,  Lee Sangkeun (Multimedia Computing Lab, Graduate School of Advanced Imaging Sciences, Chung-Ang University, Seoul, South Korea) ,  Paik Joonki (Department of Image Engineering, Chung-Ang University, Seoul, South Korea)
資料名： IEEE Signal Processing Letters  (IEEE Signal Processing Letters)
巻： 24  号： 5  ページ： 707-711  発行年： 2017年 
JST資料番号： W0576A  ISSN： 1070-9908  CODEN： ISPLEM  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： 画像ストリームを扱うために多数の視覚追跡法が提案されているが,局所構造の歪によって引き起こされるターゲットの厳しい外観変化の下でドリフトすることなく背景からターゲットを正確に区別するための追跡法を容易にすることは依然として困難な問題である。ターゲットテンプレートデータセットの局所構造を保存するために,最大マージン投影ベースの部分空間表現の下でスパース係数を得て,多重タスク特徴選択フレームワークの下でスパース符号を更新することによって,新規構造保存スパース学習アルゴリズムを提示した。ターゲットの局所構造を補強するために,加速された近位勾配収縮操作と効率的な停止基準を用いた新しい最適化プロセスを採用した。実験結果は,提案した方法が既存の最先端の追跡法より優れていることを実証した。Copyright 2019 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： *学習 ,  学習アルゴリズム ,  最適化 ,  *ロバスト性 ,  特徴選択
準シソーラス用語： 停止基準 ,  マルチタスク ,  部分空間 ,  局所構造 ,  *ビジュアルトラッキング ,  スパース , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 保存 ,  学習 ,  ロバスト ,  視覚追跡