ログイン 新規登録
言語:

WEKO3

  • トップ
  • ランキング


インデックスリンク

インデックスツリー

  • RootNode

メールアドレスを入力してください。

WEKO

One fine body…

WEKO

One fine body…

アイテム

  1. 研究報告
  2. コンピュータビジョンとイメージメディア(CVIM)
  3. 2018
  4. 2018-CVIM-212

マルチドメイン学習による複数物体追跡

https://ipsj.ixsq.nii.ac.jp/records/187480
https://ipsj.ixsq.nii.ac.jp/records/187480
e3992212-0889-459a-852e-301e5a73067a
名前 / ファイル ライセンス アクション
IPSJ-CVIM18212018.pdf IPSJ-CVIM18212018.pdf (3.2 MB)
Copyright (c) 2018 by the Information Processing Society of Japan
オープンアクセス
Item type SIG Technical Reports(1)
公開日 2018-05-03
タイトル
タイトル マルチドメイン学習による複数物体追跡
言語
言語 jpn
キーワード
主題Scheme Other
主題 卒論スポットライトセッション
資源タイプ
資源タイプ識別子 http://purl.org/coar/resource_type/c_18gh
資源タイプ technical report
著者所属
千葉大学大学院融合理工学府
著者所属
千葉大学大学院工学研究院
著者所属(英)
en
Graduate School of Science and Engineering, Chiba University
著者所属(英)
en
Graduate School of Engineering, Chiba University
著者名 齋藤, 恭兵

× 齋藤, 恭兵

齋藤, 恭兵

Search repository
川本, 一彦

× 川本, 一彦

川本, 一彦

Search repository
論文抄録
内容記述タイプ Other
内容記述 単一物体追跡のための深層学習モデル MDNet (Multi-Domain Convolutional Neural Network) を拡張し,複数物体追跡のための深層学習モデルを提案する.MDNet は,さまざまなドメインの動画での追跡タスクを同時に学習し,複数ドメインに共通する画像特徴を獲得することで汎化性能を向上させている.提案モデルでは,MDNet の共通層に加えて,複数クラスの出力層をもつドメイン固有層を導入し複数物体追跡を実現している.ドメイン固有層は,シーンに固有の画像特徴をオンライン学習で獲得するために用いられる.ドメイン共通層を用いることで,オンライン学習で更新するパラメータを少なくでき,効率的に学習できる.評価実験では,MOT Benchmark データセットに対して,MOTA と MOTP を用いて提案モデルを評価し有効性を示している.
書誌レコードID
収録物識別子タイプ NCID
収録物識別子 AA11131797
書誌情報 研究報告コンピュータビジョンとイメージメディア(CVIM)

巻 2018-CVIM-212, 号 18, p. 1-7, 発行日 2018-05-03
ISSN
収録物識別子タイプ ISSN
収録物識別子 2188-8701
Notice
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
出版者
言語 ja
出版者 情報処理学会
戻る
0
views
See details
Views

Versions

Ver.1 2025-01-20 02:15:03.679398
Show All versions

Share

Mendeley Twitter Facebook Print Addthis

Cite as

齋藤, 恭兵, 川本, 一彦, 2018, マルチドメイン学習による複数物体追跡: 情報処理学会, 1–7 p.

Loading...

エクスポート

OAI-PMH
  • OAI-PMH JPCOAR
  • OAI-PMH DublinCore
  • OAI-PMH DDI
Other Formats
  • JSON
  • BIBTEX

Confirm


Powered by WEKO3


Powered by WEKO3