文献

J-GLOBAL ID：202002290373769256   整理番号：20A2592762

結合最適化に基づく強結合双生領域推奨ネットワークの目標追跡アルゴリズム【JST・京大機械翻訳】

Object tracking algorithm based on jointly-optimized strong-coupled Siamese region proposal network

著者 (2件)： Shi Guoqiang (同済大学電子与信息工程学院,上海201804) ,  Zhao Xia (同済大学電子与信息工程学院,上海201804)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 40  号： 10  ページ： 2822-2830  発行年： 2020年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 領域推薦ネットワーク(RPN)が目標追跡タスクの中で現れる最大分類分数と最適フレーム不整合の問題に対して、連合最適化に基づく強結合双生領域推薦追跡アルゴリズム(SCSiamRPN)を提案した。まず、BoundedIoU法を用いて、正サンプルの交差比(IoU)値の計算を最適化し、分解公式、固定変数、置換差と制約近似の操作を通じて計算過程を簡略化した。次に,損失関数構造を最適化し,分類損失関数にIoU値を結合因子として追加して,分類タスクとエッジフレーム回帰タスクを組合せ,高IoUサンプルの損失値を上昇させた。エッジフレームの回帰損失関数にIoUを主変数とする加重係数を加えることで、目標中心サンプルの寄与を高め、エッジフレームの位置決め精度を向上させる。シミュレーション結果は,OTB100データセットにおけるSCSiamRPNアルゴリズムの精度と成功率が0.86と0.64であることを示したが,それは,双生領域推奨ネットワークに基づく高性能単一目標追跡(SiamRPN)アルゴリズムと比較して,3%の増加を示した。実験結果は,SCSiamRPNアルゴリズムが,最大分類スコアと最適フレーム不整合の問題を解決し,分類とサイドフレーム回帰タスクの結合性を強化して,追跡速度を失うことなく,追跡精度の大幅な向上を達成することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  シミュレーション ,  計算機シミュレーション ,  簡素化 ,  損失関数 ,  *ネットワーク ,  近似法 ,  不整合 ,  *強結合 ,  連結性
準シソーラス用語： 成功率 ,  位置決め精度 ,  *ターゲット追跡 ,  *追跡アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 結合最適化 ,  強結合 ,  推奨 ,  目標 ,  追跡アルゴリズム