文献

J-GLOBAL ID：202202271377049785   整理番号：22A0837687

変形サンプルジェネレータによるロバストな物体追跡【JST・京大機械翻訳】

Robust object tracking via deformation samples generator

著者 (6件)： Gao Xuesong (Tianjin University, Tianjin, China) ,  Gao Xuesong (State Key Laboratory of Digital Multimedia Technology, Hisense Co., Ltd., Qingdao, China) ,  Zhou Yuan (Tianjin University, Tianjin, China) ,  Huo Shuwei (Tianjin University, Tianjin, China) ,  Li Zizi (Tianjin University, Tianjin, China) ,  Li Keqiu (Tianjin University, Tianjin, China)
資料名： Journal of Visual Communication and Image Representation  (Journal of Visual Communication and Image Representation)
巻： 83  ページ： Null  発行年： 2022年 
JST資料番号： W0218A  ISSN： 1047-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 物体追跡アプリケーションでは,対象の対象が変形する時にドリフト問題を経験するためのトラッカーが一般的であり,オブジェクトを追跡するトラッカーの能力を損なう。したがって,変形に対してロバストである学習トラッカー分類器を開発することが望ましい。深層分類ネットワークを使用する既存のトラッカーの性能は,訓練データ量が制限され,全ての可能なシナリオをカバーしないときに劣化する。これらの限界は,より大きな訓練データセットを用いることによって部分的に軽減できるが,これらのデータセットは,まだすべての状況をカバーしず,そして,陽性サンプルは,まだ単調である。この問題を克服するために,トラッカーが分類するのが困難なサンプルを生成する新しい変形サンプル発生器を提案した。提案フレームワークでは,分類器と変形サンプル発生器の両方が,関節方式で学習する。提案手法は,視覚物体追跡タスクの定量的および定性的評価の両者において最先端の方法より優れていることを実験により示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  学習 ,  ネットワーク ,  *追跡 ,  ドリフト ,  応用プログラム ,  深層 ,  *ロバスト性
準シソーラス用語： 訓練データ ,  *物体追跡 ,  定性的評価 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： オブジェクトトラッキング ,  畳込みニューラルネットワーク ,  変形サンプルジェネレータ ,  交互戦略

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)： サンプル ,  ジェネレータ ,  ロバスト ,  物体追跡