文献

J-GLOBAL ID：202002258986694659   整理番号：20A1945451

深層学習に基づく長期追跡【JST・京大機械翻訳】

Long-term Tracking Based on Deep Learning

著者 (4件)： Wu Ming (Beijing University of Posts and Telecommunications, Beijing, China) ,  Zhang Chuang (Beijing University of Posts and Telecommunications, Beijing, China) ,  Sun Zhongkai (Beijing University of Posts and Telecommunications, Beijing, China) ,  Li Xiaoqi (Beijing University of Posts and Telecommunications, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： IMCOM ’18  ページ： 1-5  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 深層学習アルゴリズムはコンピュータビジョンにおいて広く使われているが,効率を考慮して,ビデオにおけるほとんどのオブジェクトトラッカーは伝統的方法を使用する。本論文では,高速移動オブジェクトを追跡でき,トラッキングターゲットが失われ,検索するかどうかを判断する,深層学習アルゴリズムに基づく長期追跡システムを提案した。高速移動物体の追跡性能を改良するために,既存のトラッカー(GOTURN)のための運動モデルを提案した。長期追跡要求条件を満たすために,損失ターゲットを判断し,それを検索できる検出器を追跡システムと組み合わせた。著者らは,運動モデルと検出器によって整列することによって,試験データセットに関する追跡システム性能が明らかに向上することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  録画装置 ,  トラッキング装置 ,  検出器 ,  移動体 ,  コンピュータビジョン ,  深層 ,  機械学習 ,  *学習アルゴリズム
準シソーラス用語： 物体追跡 ,  運動モデル ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  長期追跡 ,  機械学習 ,  ニューラルネットワーク ,  オブジェクトトラッキング

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 深層学習 ,  長期追跡