文献

J-GLOBAL ID：202102219895689930   整理番号：21A0067321

CS-RPCA:移動物体検出のためのクラスタ化スパースRPCA【JST・京大機械翻訳】

CS-RPCA: Clustered Sparse RPCA for Moving Object Detection

著者 (4件)： Javed Sajid (Khalifa University,EECS, Centre for Autonomous Robotics System (KUCARS),UAE) ,  Mahmood Arif (Information Technology University,Pakistan) ,  Dias Jorge (Khalifa University,EECS, Centre for Autonomous Robotics System (KUCARS),UAE) ,  Werghi Naoufel (Khalifa University,EECS, Centre for Autonomous Robotics System (KUCARS),UAE)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 3209-3213  発行年： 2020年 
JST資料番号： W2441A  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： 移動物体検出(MOD)は多くのコンピュータビジョン応用のための重要なステップである。過去10年間,RPCAがMODの可能性のある解決策であり,様々な挑戦的な背景シーンの下で有望な性能を達成することが明らかである。しかしながら,異なるタイプの特徴の欠如のため,RPCAは,動的背景,クラッタ前景オブジェクト,およびカモフラージュのような多くの複雑な背景シーンにおいて,まだ劣化性能を示している。これらの問題に取り組むために,本論文では,挑戦的な環境下でMODのためのクラスタ化スパースRPCA(CS-RPCA)を提示した。提案アルゴリズムはビデオシーケンスから複数の特徴を抽出し,次にRPCAを用いて各表現から低ランクとスパース成分を得た。次に,スパース部分空間をGrassmann多様体を用いて共通のスパース成分に出現する。多重表現から複合スパース成分を計算する新しい目的関数を提案し,非負行列因数分解法を用いて解いた。提案したアルゴリズムをMODのための2つの挑戦的なデータセットに関して評価した。結果は,既存の最先端の方法と比較して,提案したアルゴリズムの優れた性能を示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *クラスタ化 ,  多重化 ,  目的関数 ,  移動体 ,  クラッタ ,  コンピュータビジョン ,  Grassmann多様体
準シソーラス用語： ビデオシーケンス ,  *物体検出 ,  部分空間 ,  擬装 ,  前景 ,  非負行列因子分解 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： Cs ,  物体検出 ,  クラスタ化