文献

J-GLOBAL ID：202002282305136030   整理番号：20A1112519

適応構造畳込みネットワークによる視覚物体追跡【JST・京大機械翻訳】

Visual object tracking with adaptive structural convolutional network

著者 (6件)： Yuan Di (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China) ,  Li Xin (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China) ,  He Zhenyu (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China) ,  He Zhenyu (Peng Cheng Laboratory, Shenzhen 518055, China) ,  Liu Qiao (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China) ,  Lu Shuwei (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 194  ページ： Null  発行年： 2020年 
JST資料番号： T0426A  ISSN： 0950-7051  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)

抄録/ポイント： 畳込みニューラルネットワーク(CNN)は視覚オブジェクトトラッキングタスクにおいて最先端の性能を達成することが実証されている。しかしながら,既存のCNNベースのトラッカーは,通常,それらのネットワークを訓練するために全体的なターゲットサンプルを使用する。目標が複雑な状況(例えば,オクルージョン,バックグラウンドクラッタ,および変形)を受けると,追跡性能はひどく劣化する。本論文において,著者らは,深い回帰追跡装置(ASCT)のロバスト性を強化するために,適応可能な構造的畳込みフィルタモデルを提案した。具体的には,最初に,ターゲットの局所構造を捕捉するための局所フィルタを生成するマスクセットを設計した。一方,著者らは,ターゲット外観の変化に適応するために,これらの局所フィルタのための適応重みづけ融合戦略を採用して,それは,追跡装置のロバスト性を効果的に強化することができた。また,特徴抽出,意思決定,およびモデル更新モジュールから成るエンドツーエンド訓練可能ネットワークを開発した。大規模ベンチマークデータセットに関する広範な実験結果は,提案したASCTトラッカーの有効性が最先端のトラッカーに対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】

シソーラス用語： *視覚 ,  *畳込み ,  フィルタ ,  意思決定 ,  *ネットワーク ,  特徴抽出 ,  エンドツーエンド方式 ,  トラッキング装置 ,  クラッタ ,  重みづけ ,  ロバスト性 ,  オクルージョン
準シソーラス用語： *物体追跡 ,  ビジュアルトラッキング ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 視覚追跡 ,  畳込みニューラルネットワーク ,  構造フィルタ ,  適応重みづけ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 適応 ,  畳込み ,  視覚 ,  物体追跡