Key points are not available for this paper at this time.
이 논문에서는 추적을 객체의 이전 위치와 크기, 현재 및 이전 이미지 프레임을 기반으로 객체의 위치 및 크기를 추정하는 학습 문제로 다룹니다. 예제 집합을 기반으로 합성곱 신경망(CNN)을 훈련시켜 위의 추정 작업을 수행합니다. 다른 학습 방법과 달리, CNN은 인접한 두 프레임의 이미지 쌍에서 공간적 및 시간적 특징을 동시에 학습합니다. 지역 및 글로벌 정보를 더욱 잘 융합하기 위해 CNN에 여러 경로를 도입합니다. 방해물이 목표와 유사한 복잡한 환경에서 드리프트 문제를 완화하기 위해 창의적인 변화 변형 CNN 아키텍처가 설계되었습니다. 또한, 몇 가지 주요 점을 정확하게 위치 지정하여 크기를 추정하는 데 CNN을 사용합니다. 이러한 기술은 객체에 독립적이어서 제안된 방법이 다른 유형의 객체를 추적하는 데 적용될 수 있습니다. 복잡한 상황을 처리하는 추적기의 능력이 많은 테스트 시퀀스에서 입증되었습니다.
Fan et al. (Wed,)은 이 질문을 연구했습니다.