相関を意識した深いトラッキング【JST・京大機械翻訳】

Xie Fei; Wang Chunyu; Wang Guangting; Cao Yue; Yang Wankou; Zeng Wenjun

プレプリント

J-GLOBAL ID：202202215140401081 整理番号：22P0298316

相関を意識した深いトラッキング【JST・京大機械翻訳】

Correlation-Aware Deep Tracking

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ロバスト性と識別力は視覚物体追跡における2つの基本的要求である。ほとんどの追跡パラダイムにおいて,ポピュラーなSiameseのようなネットワークによって抽出された特徴は,追跡されたターゲットとディストラクタオブジェクトを完全に識別することができず,これら2つの要求を同時に満たすことを妨げる。ほとんどの方法はロバスト相関操作の設計に焦点を合わせるが,自己/交差アテンション方式によって触発された新しいターゲット依存特徴ネットワークを提案する。Siamese様特徴抽出とは対照的に,このネットワークは特徴ネットワークの多重層における交差画像特徴相関を深く埋め込む。多重層を通して2つの画像の特徴を広範囲にマッチングすることによって,それは非目標特性を抑えることができて,用例-変化特性抽出をもたらした。検索画像の出力特徴は,余分な相関段階なしでターゲット位置を予測するために直接使用することができる。さらに,このモデルは豊富な不対画像上で柔軟に事前訓練でき,既存の方法よりも顕著に速い収束をもたらす。大規模な実験は,著者らの方法がリアルタイムで実行しながら最先端の結果を達成することを示した。また,著者らの特徴ネットワークを,追跡性能を上げるためにシームレスに既存の追跡パイプラインに適用することができる。コードは利用可能である。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る