視覚追跡のための伝達学習に基づく識別相関フィルタ【JST・京大機械翻訳】

Huang Bo; Xu Tingfa; Xu Tingfa; Li Jianan; Shen Ziyi; Chen Yiwen

文献

J-GLOBAL ID：202002282230445928 整理番号：20A0380542

視覚追跡のための伝達学習に基づく識別相関フィルタ【JST・京大機械翻訳】

Transfer learning-based discriminative correlation filter 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=20A0380542&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0380542&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)

ほとんどの相関フィルタ(CF)ベースの追跡法は,以前のターゲット情報の有効利用の欠如により,オクルージョンや厳しい変形をほとんど扱うことができない。これを克服するために,著者らは,複数の以前の追跡作業から知識を抽出して,距離移動学習(ITL)と確率移動学習(PTL)を通して新しい追跡作業のために知識を適用する,新しい移動学習ベースの判別相関フィルタ(TLDCF)を提案した。ITLは,新しい相関フィルタを直接訓練するために,以前のフレームで学習されたGauss混合モデリング(GMM)ターゲット表現とマルチチャンネルフィルタの知識を適用する。これは,重いオクルージョンと大きな外観変化のためのトラッカーのロバスト性を改善する。一方,PTLは,類似のターゲットによって引き起こされる巨大な位置ドリフトを抑制するために,Kalmanフィルタ(KF)によって予測された空間-時間関係を共有Gaussに符号化する。最適化のために,著者らは,リアルタイムで各独立チャネル上のCFsを計算するために,乗算器(ADMM)ベースのアルゴリズムの効率的代替指向法を開発した。OTB-2013およびOTB-2015データセットに関する広範な実験により,提案した方法の有効性を実証した。特に,著者らの方法は,ベースラインと比較して,それぞれ5.5%と3.9%まで2つのデータセットのAUCスコアを改善し,最近の最先端の深いトラッカーに対して競合性能を達成した。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)： , , ,

図形・画像処理一般 , パターン認識

, , ,

前のページに戻る