深層特徴を用いたロバストな構造化グループ局所スパーストラッカ【JST・京大機械翻訳】

Javanmardi Mohammadreza; Farzaneh Amir Hossein; Qi Xiaojun

プレプリント

J-GLOBAL ID：202202220204731726 整理番号：22P0056466

深層特徴を用いたロバストな構造化グループ局所スパーストラッカ【JST・京大機械翻訳】

Robust Structured Group Local Sparse Tracker Using Deep Features

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 (3件)： , ,
資料名：
発行年： 2019年02月18日プレプリントサーバーでの情報更新日： 2020年03月30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)

スパース表現は,最近,視覚追跡にうまく適用されている。それは,目標候補を表現するために一組のテンプレートを利用し,追跡結果として最小再構成誤差で最良のものを見つける。本論文では,ロバストな深層特徴ベース構造化グループ局所スパーストラッカー(DF-SGLST)を提案し,それはターゲット候補内の局所パッチの深い特徴を利用し,粒子フィルタフレームワークにおけるテンプレートの集合によりそれらを表現する。従来の局所スパーストラッカーと異なり,DF-SGLSTにおける提案最適化モデルは,ターゲット候補の局所および空間情報をシームレスに採用し,それらの間の空間レイアウト構造を達成するために,グループスパース正則化項を採用した。最適化モデルを解くために,閉形式解を持つ2つの部分問題から成る効率的で高速な数値アルゴリズムを提案した。挑戦的な画像シーケンス(例えば,OTB50とOTB100)のベンチマークに関する成功と精度に関する異なる評価は,いくつかの最先端のトラッカーに対して提案したトラッカーの優れた性能を示した。【JST・京大機械翻訳】

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

パターン認識

, , ,

前のページに戻る