抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】