文献

J-GLOBAL ID：202102227348881882   整理番号：21A2672520

オブジェクト追跡のための局所知覚ベース補助ニューラルネットワーク【JST・京大機械翻訳】

Local Perception based Auxiliary Neural Network for Object Tracking

著者 (3件)： Lei Qing (School of Information Science and Engineering,Yunnan University, China) ,  Xu Dongyun (School of Information Science and Engineering,Yunnan University, China) ,  Gao Yun (School of Information Science and Engineering,Yunnan University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICIAI 2021  ページ： 127-132  発行年： 2021年 
JST資料番号： D0698C  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： 近年,物体追跡の分野での深層学習フレームワークに基づく追跡アルゴリズムが多くの注目を集めている。それらの研究の焦点は,深いネットワークモデルを設計し,訓練データセットを構築することによって,アルゴリズムの性能を改善することである。しかし,この型のアルゴリズムは,通常,予測目標位置を出力するためにエンドツーエンド法を使用し,予測結果は常に実際のターゲット位置から一定の偏差を持つ。本論文では,局所知覚支援ニューラルネットワークに基づく物体追跡アルゴリズムを提案した。このアルゴリズムは訓練データセットを拡張する。拡張データセットは,部分目標内容を有する訓練サンプルを加えて,訓練ラベルを強化した。追跡アルゴリズムの予測結果が実位置からずれるとき,局所知覚能力を有する補助ニューラルネットワークモデルを,追跡結果の精度を促進するために,追跡結果をオフセットするために,補助ニューラルネットワークモデルを使用した。VOT2018およびVOT2016ベンチマークデータセットに関する実験は,対象追跡分野における6つの主流アルゴリズムと比較して,本論文におけるアルゴリズムがEAOの3つの指標,精度,ロバスト性の下でより良い追跡性能を有することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. 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 ,  *ニューラルネットワーク ,  エンドツーエンド方式 ,  ロバスト性
準シソーラス用語： 神経回路網モデル ,  訓練データ ,  ネットワークモデル ,  *物体追跡 ,  深層学習 ,  追跡アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： 補助ニューラルネットワーク ,  深層学習 ,  局所知覚 ,  オブジェクトトラッキング

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： オブジェクト追跡 ,  知覚 ,  ニューラルネットワーク