文献

J-GLOBAL ID：202002255045283804   整理番号：20A0145767

オクルージョン条件下でのマルチカメラベースの車両追跡のための識別的に訓練されたマルチソースCNNモデル【JST・京大機械翻訳】

Discriminatively Trained Multi-source CNN Model for Multi-camera Based Vehicle Tracking Under Occlusion Conditions

著者 (2件)： Anuj Latha (Department of Information Science and Engineering, Dayananda Sagar College of Engineering, Bangalore, India) ,  Gopalakrishna M. T. (Department of Computer Science and Engineering, KS School of Engineering and Management, Bangalore, India)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 160  ページ： 639-650  発行年： 2020年 
JST資料番号： W5072A  ISSN： 2190-3018  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： 本論文では,マルチカメラベースの車両追跡目的のために,新しい離散的に訓練されたマルチソースCNNモデル(DTM-CNN)を開発した。DTM-CNNは,興味ある領域(ROI)表現のための地上信頼性を追跡するために,巨大な交通ビデオ集合の訓練を実行する。マルチソース追跡法DTM-CNNは,特徴抽出と訓練を実行するために,ソース特異層の層と複数のブランチを共有した。ここでは,各ブランチが各ソースにおけるROI同定とトラッキングのための二値分類を示す,異なる訓練シーケンスを持つ各カメラ入力を示す。DTM-CNNは,共有層における一般的なROI表現を達成するために,各ソース入力を反復的に訓練する。新しいシーケンスにおける追跡を実行するとき,DTM-CNNは新しい二値分類層と共有層を結合することによって新しいネットワークを形成する。それはオンラインで更新される。これは,DTM-CNNが短くて長期のオクルージョンの下でさえも連続的な車両追跡を示すことを可能にする,以前のROI状態の近くで任意にサンプリングされたROIウィンドウを検索することにより,オンライントラッキングを支援する。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  録画装置 ,  *オクルージョン ,  特徴抽出 ,  信頼性 ,  *カメラ
準シソーラス用語： オンライン ,  *マルチカメラ , 【Automatic Indexing@JST】

著者キーワード (4件)： オクルージョン下の車両追跡 ,  複数カメラ ,  畳み込みニューラルネットワーク ,  識別的に訓練されたマルチソースCNN

分類 (5件)： ロボットの運動・制御  (IC04012J) ,  無線通信一般  (ND08010L) ,  医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I) ,  移動通信  (ND08030H)

タイトルに関連する用語 (9件)： オクルージョン ,  マルチカメラ ,  追跡 ,  識別 ,  訓練 ,  マルチ ,  ソース ,  CNN ,  モデル