文献

J-GLOBAL ID：202202286423635967   整理番号：22A0837681

視覚追跡のための距離IoU損失による正確な限界ボックス回帰【JST・京大機械翻訳】

Accurate bounding-box regression with distance-IoU loss for visual tracking

著者 (8件)： Yuan Di (Guangzhou Institute of Technology, Xidian University, Guangzhou 510555, China) ,  Yuan Di (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055, China) ,  Shu Xiu (School of Science, Harbin Institute of Technology, Shenzhen 518055, China) ,  Fan Nana (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055, China) ,  Chang Xiaojun (School of Computing Technologies, RMIT University, VIC 3046, Australia) ,  Liu Qiao (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055, China) ,  Liu Qiao (National Center for Applied Mathematics, Chongqing Normal University, Chongqing, 401331, China) ,  He Zhenyu (School of Computer Science and Technology, Harbin Institute of Technology, Shenzhen 518055, 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： ほとんどの既存のトラッカーは,ターゲット状態を推定するために分類器とマルチスケール推定を用いることに基づいている。その結果として,追跡精度が停滞している間,トラッカーはより安定になった。トラッカーは,この問題を緩和するために交差-オーバー-オン(IoU)損失に基づく最大オーバラップ法を採用するが,IoU損失自体には欠陥があり,与えられたバウンディングボックスが,他の境界ボックスの中/無しで完全に含まれているとき,目的関数を最適化することを不可能にする。これにより,ターゲット状態を正確に推定することが非常に困難になった。したがって,本論文では,距離IoU(DIoU)損失に基づく新しい追跡法を提案して,提案したトラッカーがターゲット推定とターゲット分類から成るように,上記の問題に取り組んだ。ターゲット推定部分を訓練して,目標接地-トラス結合ボックスと推定結合ボックスの間のDIoUスコアを予測した。DIoU損失は,IoU損失によって提供される利点を維持することができ,一方,2つの境界ボックスの中心点間の距離を最小にして,それによって,目標推定をより正確にする。さらに,オンラインで訓練された分類部分を導入し,実時間追跡速度を保証するために,共役Gradientベースの戦略で最適化した。包括的な実験結果は,提案手法が,実時間追跡速度で,最先端のトラッカーと比較して,競合追跡精度を達成することを実証した。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： 最適化 ,  トラス ,  境界 ,  *追跡 ,  接地 ,  精度 ,  共役 ,  目的関数
準シソーラス用語： マルチスケール ,  オンライン ,  *ビジュアルトラッキング ,  リアルタイムトラッキング , 【Automatic Indexing@JST】

著者キーワード (3件)： 視覚追跡 ,  境界ボックス回帰 ,  距離-IoU損失

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

物質索引 (1件)： フルナリジン塩酸塩

タイトルに関連する用語 (4件)： 視覚追跡 ,  損失 ,  限界 ,  ボックス