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。
オンライン学習は追跡性能の改善に有効であることが分かった。しかし,それは分類ブランチに簡単に適用することができるが,高品質オンラインサンプルのための複雑な設計と固有要求のため,回帰ブランチに順応するのは,まだ挑戦的である。この課題に取り組むために,FCOTとしてコインされた完全畳込みオンライントラッキングフレームワークを提示し,ターゲットフィルタベースのトラッキングパラダイムを用いて,分類と回帰分岐の両方に対するオンライン学習を可能にすることに焦点を当てた。著者らの主要な貢献は,オンラインサンプルによる目標フィルタの初期化重みのためのオンライン回帰モデル発生器(RMG)を導入して,次に,最初のフレームにおけるグラウンドトルスサンプルに基づくこの目標フィルタ重量を最適化することである。オンラインRGMに基づいて,特徴バックボーン,アップサンプリング復号器,マルチスケール分類ブランチ,およびマルチスケール回帰ブランチから成る簡単なアンカーフリートラッカー(FCOT)を考案した。RMGのユニークな設計のおかげで,著者らのFCOTは,時間次元に沿ったターゲット変動の取扱いにおいてより効果的であるだけでなく,より正確な結果を生成するだけでなく,追跡手順中の誤差蓄積の問題を克服できる。さらに,設計における単純さのために,著者らのFCOTを訓練し,リアルタイム走行速度で完全に畳み込み方式で展開することができた。提案したFCOTは,VOT2018,LaSOT,追跡Net,GOT-10k,OTB100,UAV123,およびNFSを含む7つのベンチマークで最先端の性能を達成した。FCOTのコードとモデルを,ウルル{https://github.com/MCG NJU/FCOT}で放出した。【JST・京大機械翻訳】
