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。
本論文では,古典的トラッキングモデル,部分空間学習に焦点を当て,連続フレームにおけるターゲットが,それらの外観の類似性により低次元部分空間または多様体に存在すると考察した。近年,多数の部分空間トラッカーが提案され,印象的な結果が得られている。追跡性能は,最近局所化されたターゲット上で学習された識別能力を有する部分空間によって,そして,それらの直ちに周囲の背景で,追跡性能は,そのような問題を解明することを狙った:本研究は,これらの目標およびバックグラウンドサンプルを正確に識別するために,ロバスト低次元部分空間をいかに学習するかを,この課題を解決することを目指している,という事を意図するものである。”という最新の結果に触発する。”その研究”は,そのような問題を解明することを狙った:この目標と背景のサンプルを正確に識別するために,ロバストな低次元部分空間をいかに学習するか。この目的のために,その周囲の背景からターゲットを確実に分離する弁別的アプローチを,結合学習により部分空間学習に注入し,優れた識別能力をもつ次元適応部分空間を達成した。提案アプローチは広く評価され,4つの一般的な追跡ベンチマークに関する最先端のトラッカーと比較された。実験結果は,提案したトラッカーが,その対応物に対して競合的に機能することを示した。特に,最先端の部分空間トラッカーと比較して9%以上の性能増加を達成した。【JST・京大機械翻訳】