최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국항행학회논문지 = Journal of advanced navigation technology, v.23 no.1 = no.94, 2019년, pp.77 - 83
박성준 (한국항공대학교 항공전자정보공학부) , 백중환 (한국항공대학교 항공전자정보공학부)
In this paper, we propose an object tracking algorithm based on color histogram and convolutional neural network model. In order to increase the tracking accuracy, we synthesize generic object tracking using regression network algorithm which is one of the convolutional neural network model-based tr...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
SVM의 목표는 무엇인가? | SVM은 주어진 데이터 집합을 두 범주로 나눌 때 분류하려는 데이터를 선형으로 분리하는 최적의 선형 경계를 찾는 알고리즘이다. SVM의 목표는 서로 다른 범주의 데이터들을 가장 큰 마진(margin)으로 분리해내는 모델을 찾는 것이다. | |
GOTURN의 장단점은? | 따라서 offline 학습 데이터만을 사용하여 속도가 빠르고 어떠한 객체든 추적을 할 수 있다. 하지만 모션정보가 없어 추적객체의 일부 또는 전체가 다른 객체에 가려지게 되면 성능이 현저히 떨어진다. 또한 추적에 한 번이라도 실패하게 되면 실패한 추적의 위치를 토대로 계속해서 추적해 나가기 때문에 초기 추적 대상을 다시 찾지 못하게 된다. 따라서 본 연구에서는 초기 설정한 객체를 GOTURN이 추적에 실패했을 때에도 초기 설정객체의 색정보를 가지고 있으면 다시 추적할 것이라고 판단하였고, 앞서 언급한 단점들을 보완하기 위해 본 설계에서는 색정보기반추적기인 Mean-shift 알고리즘을 사용하였다. | |
Mean-shift란 무엇인가? | Mean-shift란 데이터 분포의 중심을 찾는 방법으로 현재 자신의 주변에서 데이터가 가장 밀집된 방향으로 이동하는 방식의 알고리즘이다. Mean-shift가 영상 내 객체 추적에서 사용될 경우 지정된 객체의 색상 기반 히스토그램과 현재 입력 영상의 히스토그램을 비교하여 가장 유사한 히스토그램을 갖는 영역을 찾는 방식으로 사용된다. |
D. Held, S. Thrun, and S. Savarese, "Learning to track at 100 fps with deep regression networks," in European Conference on Computer Vision, Netherlands: NL, pp. 749-765, 2016.
C. C. Chang, and C. J. Lin. "LIBSVM: a library for support vector machines," ACM Transactions on Intelligent Systems and Technology(TIST), Vol. 2, No. 27, pp. 170-197, 2011.
M. Kristan, R. Pflugfelder, A. Leonardis, J. Matas, L. Cehovin, G. Nebehay, and A. Dimitriev, "The visual object tracking vot2014 challenge results," [Online] 2014. Available: http://votchallenge.net/vot2014/download/vot_20 14_paper.pdf.
M. Kristan, J. Matas, A. Leonardis, M. Felsberg, L. Cehovin, G. Fernandez, et al. "The visual object tracking vot2015 challenge results," in Proceedings of the IEEE International Conference on Computer Vision Workshops, Chile: CHI, pp. 1-23, 2015.
U. Kart, J. K. Kamarainen, L. Fan, and M. Gabbouj, " Evaluation of Visual Object Trackers on Equirectangular Panorama," in International Conference on Computer Vision Theory and Applications (VISAPP), Portugal: POR, pp. 25-32, 2018.
darkprogrammer. Mean-shift Tracker Image [Internet]. Available: http://darkpgmr.tistory.com/64
D. Comaniciu, V. Ramesh and P. Meer, "Real-time tracking of non-rigid objects using mean shift," in Computer Vision and Pattern Recognition, 2000. Proceedings. IEEE Conference, Hilton Head Island, South Carolina: SC, pp. 142-149, 2000.
T. Vojir, N. Jana and M. Jiri, "Robust scale-adaptive mean-shift for tracking," Pattern Recognition Letters, Vol. 49, pp. 250-258, 2014.
bskyvision. SVM data classification Image [Internet]. Available: https://bskyvision.com/163
L. Cehovin, M. Kristan, A. Leonardis, "Is my new tracker really better than yours?" in 2014 IEEE Winter Conference on Applications of Computer Vision (WACV), Steamboat Springs, Colorado: CO, pp. 540-547, 2014.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
오픈액세스 학술지에 출판된 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.