CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Multi-scale Kernel Correlation Filters for Visual Tracking with Fusion of multi features and multi templates

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۴۴ | نظرات: ۰
سال انتشار: ۱۳۹۸
کد COI مقاله: CECCONF07_051
زبان مقاله: انگلیسی
حجم فایل: ۳۹۰.۰۲ کیلوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Multi-scale Kernel Correlation Filters for Visual Tracking with Fusion of multi features and multi templates

  Shadi Shanesazzadeh - Iran University of Science and Technology.
    Karim Mohammadi - Iran University of Science and Technology.

چکیده مقاله:

Although the correlation filter (CF) based trackers have currently achieved brilliant results in terms of both accuracy and robustness, they are not capable of effectively handle the scale variation. To tackle this problem and solve the drifting issue, we propose a CF based tracker by selecting and fusion of multiple scales, multiple features, and multiple templates. Firstly, to deal with the problems of the fixed template size, a set of possible scales is considered to estimate the scale of a target object. Secondly, in order to relieve the drifting issue, a set of candidate templates, which are affected by significant appearance changes is carefully selected and learned as filter templates to jointly capture the target appearance variation. Finally, the HOG and the color-naming features are integrated to improve the overall tracking performance. The experiments are done on CVPR2013 dataset. The proposed tracker successfully tracked the target objects in experimented sequences and performed well in terms of accuracy and robustness through the state-of-the-art trackers.

کلیدواژه‌ها:

Visual Tracking, Correlation Filter, Candidate Templates, Scale Variation, Drifting Problem

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CECCONF07-CECCONF07_051.html
کد COI مقاله: CECCONF07_051

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Shanesazzadeh, Shadi & Karim Mohammadi, ۱۳۹۸, Multi-scale Kernel Correlation Filters for Visual Tracking with Fusion of multi features and multi templates, هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات, بابل, موسسه علمی تحقیقاتی کومه علم آوران دانش, https://www.civilica.com/Paper-CECCONF07-CECCONF07_051.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Shanesazzadeh, Shadi & Karim Mohammadi, ۱۳۹۸)
برای بار دوم به بعد: (Shanesazzadeh & Mohammadi, ۱۳۹۸)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۱۹۳۳۴
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.