文献

J-GLOBAL ID：202102236281487943   整理番号：21A0270470

オブジェクトトラッキングのためのマルチレベル特徴融合による3重項ネットワーク【JST・京大機械翻訳】

Triplet Network with Multi-level Feature Fusion for Object Tracking

著者 (4件)： Cao Yang (School of Computer Science and Technology, Xidian University,Xian,Shaanxi,China) ,  Wan Bo (School of Computer Science and Technology, Xidian University,Xian,Shaanxi,China) ,  Wang Quan (School of Computer Science and Technology, Xidian University,Xian,Shaanxi,China) ,  Cheng Fei (School of Computer Science and Technology, Xidian University,Xian,Shaanxi,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIEV & icIVPR  ページ： 1-9  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： 近年,Siameseネットワークベースのトラッカーは,バランスの取れた精度と速度のため,関心が増加している。しかし,これらの追跡方法は,ターゲット表現として高レベル特徴を抽出するだけであり,そして,単に最初のフレームを模範的ブランチとして利用し,それは,類似ディストラクタを識別するのに識別性が少なく,バックグラウンドクラッタに脆弱である。これらの問題に取り組むために,ロバスト物体追跡のために,多重レベル特徴融合構造(TripMFF)を持つ新しい3重項ネットワークを提案し,三重ネットワークの利点を活用し,多層特徴を融合させた。第1に,このバックボーンアーキテクチャとして3重項ネットワークを採用して,ビデオシーケンスにおけるフレーム間の相関を完全に利用して,この模範枝をより有用な情報を有するようにした。第二に,より豊富な特徴を捕えるために,マルチレベル特徴融合構造を提唱して,低レベル微細粒と高レベル抽象情報を結合して,それはトラッカーの識別能力と安定性を改善した。追跡ベンチマークに関する実験結果は,著者らの提案方法が,他の最先端の追跡装置と比較して,競合性能とリアルタイム追跡速度を達成して,バックボーン構造として三重ネットワークを採用するトラッカーTripMFFを提案して,ロバスト物体追跡のためにマルチレベル特徴融合構造を採用することを証明した。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： *ネットワーク ,  多重化 ,  トラッキング装置 ,  クラッタ ,  多層 ,  ベンチマーク ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： ビデオシーケンス ,  *マルチレベル ,  *物体追跡 ,  脆弱性 ,  *特徴融合 , 【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 (4件)： オブジェクトトラッキング ,  マルチレベル ,  特徴融合 ,  3重項