ادغام تانسور سوپرپیکسل
ترجمه نشده

ادغام تانسور سوپرپیکسل

عنوان فارسی مقاله: ادغام تانسور سوپرپیکسل برای ردیابی بصری با استفاده از ترکیب نشانه های بصری سطح متوسط چندگانه
عنوان انگلیسی مقاله: Superpixel Tensor Pooling for Visual Tracking Using Multiple Midlevel Visual Cues Fusion
مجله/کنفرانس: دسترسی – IEEE Access
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: مهندسی الگوریتم و محاسبات
کلمات کلیدی فارسی: یادگیری فضاهای فرعی مثبت و منفی افزایشی، ترکیب نشانه های بصری سطح متوسط چندگانه، ادغام تانسور سوپرپیکسل، ردیابی بصری
کلمات کلیدی انگلیسی: Incremental positive and negative subspaces learning, multiple midlevel visual cues fusion, superpixel tensor pooling, visual tracking
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus – Master Journals List – JCR
شناسه دیجیتال (DOI): https://doi.org/10.1109/ACCESS.2019.2946939
دانشگاه: Department of Electrical Engineering, City University of Hong Kong, Hong Kong
ناشر: آی تریپل ای - IEEE
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 4.641 در سال 2018
شاخص H_index: 56 در سال 2019
شاخص SJR: 0.609 در سال 2018
شناسه ISSN: 2169-3536
شاخص Quartile (چارک): Q2 در سال 2018
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 8
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E13857
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


I. Introduction


II. Superpixel Tensor Pooling Tracker


III. Experiments and Results


IV. Conclusion


Authors


Figures


References

نمونه متن انگلیسی مقاله

Abstract


In this paper, we propose a method called superpixel tensor pooling tracker which can fuse multiple midlevel cues captured by superpixels into sparse pooled tensor features. Our method first adopts the superpixel method to generate different patches (superpixels) from the target template or candidates. Then for each superpixel, it encodes different midlevel cues including HSI color, RGB color, and spatial coordinates into a histogram matrix to construct a new feature space. Next, these matrices are formed to a third order tensor. After that, the tensor is pooled into the sparse representation. Then the incremental positive and negative subspaces learning is performed. Our method has both good characteristics of midlevel cues and sparse representation hence is more robust to large appearance variations and can capture compact and informative appearance of the target object. To validate the proposed method, we compare it with state-ofthe-art methods on 24 sequences with multiple visual tracking challenges. Experiment results demonstrate that our method outperforms them significantly.


Introduction


The study of visual tracking has been achieved great successes in recent years. Visual tracking is a process of locating a moving object or multiple objects over time in a video stream or using a camera. It can be divided into three steps: (1) object detection; (2) location prediction; (3) data association. Before using tracking algorithm to perform these steps, for each video application, a shot boundary detection needs to be performed to extract the sequence [1]. However, because of the heavy occlusion, drifts, fast motion, severe scale variation, large shape deformation, etc., visual tracking is still a challenge in computer vision [2]–[4]. Many advanced visual tracking methods have been developed to solve these challenges, such as sparse representation based approaches, correlation filter (CF) based methods, deep learning (DL) based methods, etc. Sparse representation has been introduced successfully into the construction of the appearance model in visual tracking [3]–[5]. It uses the sparse linear representation to represent the candidates [3], [5]. It can use very few but most related target templates to reduce impacts of background noise [4]. Moreover, it can use local sparse codes to model the target appearance adaptively and exploit the discriminative nature [4].

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

ادغام تانسور سوپرپیکسل
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها