文献

J-GLOBAL ID：202202288293900639   整理番号：22A0964427

単一オブジェクトトラッキングのための新しい関係深層ネットワーク【JST・京大機械翻訳】

A Novel Relational Deep Network for Single Object Tracking

著者 (4件)： Cheewaprakobkit Pimpa (National Central University,Department of Computer Science and Information Engineering,Taoyuan,Taiwan) ,  Shih Timothy K. (National Central University,Department of Computer Science and Information Engineering,Taoyuan,Taiwan) ,  Lin Chih-Yang (Yuan-Ze University,Department of Electrical Engineering,Taoyuan,Taiwan) ,  Liao Hung-Chun (National Central University,Department of Computer Science and Information Engineering,Taoyuan,Taiwan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： KST  ページ： 102-107  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 仮想物体追跡はコンピュータビジョンにおける活発な研究領域である。ビデオフレームにおけるターゲットオブジェクトの位置を推定することを目的とする。過去数年間,深層学習法は,精度を改善するために物体追跡に広く用いられている。しかし,性能問題と精度の課題がある。本研究は,Siameseネットワークアーキテクチャを用いた単一物体追跡と,一連の連続画像からのターゲットオブジェクトと探索オブジェクト間の関係を見出す相関フィルタに焦点を絞って,オブジェクト検出モデルの性能を強化することを狙った。前景と背景を区別するためのモデルを改善するために,分散損失を加えることによって,Siamesseネットワークにおけるいくつかの挑戦的な問題を緩和する。さらに,対象と物体の間の関係を見つけるために,注意機構と処理画像を追加した。著者らの実験は,訓練モデルのための対象追跡とCUHK03データセットをテストするためにVOT2019データセットを使用した。結果は,提案モデルが画像オクルージョン問題を解決するために有望な予測性能を達成して,オブジェクト検出から誤り警報を減らすことを証明した。0.608の精度,0.539のロバスト性,および0.217の期待平均重複(EAO)スコアを達成した。このトラッカーはGPU上で約26fpsで動作する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  コンピュータビジョン ,  深層 ,  ロバスト性 ,  ネットワークアーキテクチャ ,  オクルージョン
準シソーラス用語： 相関フィルタ ,  画像列 ,  物体検出 ,  *物体追跡 ,  誤警報 ,  前景 ,  深層学習 ,  ビデオフレーム , 【Automatic Indexing@JST】

分類 (5件)： 専用演算制御装置  (JC04030Y) ,  医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  音声処理  (JE05000E)

タイトルに関連する用語 (2件)： オブジェクトトラッキング ,  深層