Memu:視覚追跡のための距離相関Siameseネットワークと多クラス負サンプリング【JST・京大機械翻訳】

Xiao Yafu; Li Jing; Du Bo; Wu Jia; Chang Jun; Zhang Wenfan

文献

J-GLOBAL ID：202002232555891706 整理番号：20A0380553

Memu:視覚追跡のための距離相関Siameseネットワークと多クラス負サンプリング【JST・京大機械翻訳】

MeMu: Metric correlation Siamese network and multi-class negative sampling for visual tracking

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0380553&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0380553&from=J-GLOBAL&jstjournalNo=D0611A") }}

著者 (6件)： , , , , ,
資料名：
巻： 100 ページ： Null 発行年： 2020年
JST資料番号： D0611A ISSN： 0031-3203 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

コンピュータビジョン分野での大きな成功にもかかわらず,視覚追跡は依然として困難な課題である。主な障害は,ターゲットオブジェクトがオクルージョンのような干渉をしばしば受けることである。ほとんどのSiameseネットワークに基づくトラッカーは,主に訓練のためのターゲットオブジェクトの画像パッチをサンプリングするので,追跡アルゴリズムは周囲の環境に関する十分な情報を欠いている。その上,多くのSiameseネットワークベースの追跡アルゴリズムは,ターゲットとバックグラウンドの間の関係を考慮することなく,ターゲットオブジェクトサンプルだけで回帰を構築する。それはトラッカーの性能を悪化させる可能性がある。本論文において,著者らは,メトリック相関Siameseネットワークとマルチクラスネガティブサンプリング追跡法を提案した。最初に,3つの異なる種類の負サンプルを含むサンプリングアプローチを調べた。すなわち,潜在的オクルージョン状況を事前学習するための仮想陰性サンプル,潜在的追跡ドリフトに対処するための境界陰性サンプル,および潜在的不正確な位置決めに対処するためのコンテキストネガティブサンプルである。3種類の負サンプルを用いて,より良い識別のための計量情報を含む相関フィルタを訓練するための計量相関法を提案した。さらに,著者らは,深い学習の強力な表現能力から利益を得るために,上記の計量相関フィルタモジュールを埋め込むために,Siameseネットワークベースアーキテクチャを設計した。挑戦的なOTB100とVOT2017データセットに関する広範な実験は,提案したアルゴリズムの競争性能が最先端の手法と比較して有利に機能することを実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る