文献

J-GLOBAL ID：201902285117666145   整理番号：19A1120849

相関フィルタに基づくトラッキングのための結合表現と切断推論学習【JST・京大機械翻訳】

Joint Representation and Truncated Inference Learning for Correlation Filter Based Tracking

著者 (5件)： Yao Yingjie (Harbin Institute of Technology, Harbin, China) ,  Wu Xiaohe (Harbin Institute of Technology, Harbin, China) ,  Zhang Lei (University of Pittsburgh, Pittsburgh, PA, USA) ,  Shan Shiguang (Institute of Computing Technology, CAS, Beijing, China) ,  Zuo Wangmeng (Harbin Institute of Technology, Harbin, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11213  ページ： 560-575  発行年： 2018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)ベースのトラッカーは,一般的に特徴表現とオンラインモデル適応の2つのモジュールを含んでいる。CFトラッカーのための既存のオフラインの深い学習モデルにおいて,モデル適応は通常放棄されているか,または閉形式解を持っている。それは,エンドツーエンドの方法で深い表現を学習することを可能にする。しかし,そのような解はCFモデルの進歩を利用することができず,最先端のCFトラッカーと比較して競争精度を達成することができない。本論文では,現在のフレーム表現,追跡結果,および最後のCFトラッカーを入力として,将来のフレーム上でより良い追跡のために,深い表現とモデル適応の共同学習を研究した。畳込みニューラルネットワーク(CNN)として表現子をモデル化することにより,乗算器(ADMM)の交互方向法を短縮し,それをupタの深いネットワークとして解釈し,学習表現と短縮推論(RTINet)のためのモデルを得た。実験は,著者らのRTINet追跡装置が最先端の追跡装置に対して好ましい追跡精度を達成して,その急速なバージョンが24fpsのリアルタイム速度で実行することができることを実証した。コードと事前訓練モデルはhttps://github.com/tourmaline612/RTINetで公開される。Copyright 2018 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： エンドツーエンド方式 ,  最適化 ,  モデリング ,  トラッキング装置 ,  高速度 ,  学習モデル ,  *学習 ,  ネットワーク
準シソーラス用語： 実時間 ,  畳込みニューラルネットワーク ,  協調学習 ,  オフライン ,  モデル適応 ,  オンライン ,  *相関フィルタ , 【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 ,  非圧延最適化

分類 (3件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (5件)： 相関フィルタ ,  トラッキング ,  表現 ,  推論 ,  学習