Depth Masked Discriminative Correlation Filter

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F18%3A00327978" target="_blank" >RIV/68407700:21230/18:00327978 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ICPR.2018.8546179" target="_blank" >http://dx.doi.org/10.1109/ICPR.2018.8546179</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICPR.2018.8546179" target="_blank" >10.1109/ICPR.2018.8546179</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Depth Masked Discriminative Correlation Filter

Popis výsledku v původním jazyce

Depth information provides a strong cue for occlusion detection and handling, but has been largely omitted in generic object tracking until recently due to lack of suitable benchmark datasets and applications. In this work, we propose a Depth Masked Discriminative Correlation Filter (DM-DCF) which adopts novel depth segmentation based occlusion detection that stops correlation filter updating and depth masking which adaptively adjusts the spatial support for correlation filter. In Princeton RGBD Tracking Benchmark, our DM-DCF is among the state-of-the-art in overall ranking and the winner on multiple categories. Moreover, since it is based on DCF, "DM-DCF" runs an order of magnitude faster than its competitors making it suitable for time constrained applications.

Název v anglickém jazyce

Depth Masked Discriminative Correlation Filter

Popis výsledku anglicky

Depth information provides a strong cue for occlusion detection and handling, but has been largely omitted in generic object tracking until recently due to lack of suitable benchmark datasets and applications. In this work, we propose a Depth Masked Discriminative Correlation Filter (DM-DCF) which adopts novel depth segmentation based occlusion detection that stops correlation filter updating and depth masking which adaptively adjusts the spatial support for correlation filter. In Princeton RGBD Tracking Benchmark, our DM-DCF is among the state-of-the-art in overall ranking and the winner on multiple categories. Moreover, since it is based on DCF, "DM-DCF" runs an order of magnitude faster than its competitors making it suitable for time constrained applications.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GBP103%2F12%2FG084" target="_blank" >GBP103/12/G084: Centrum pro multi-modální interpretaci dat velkého rozsahu</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2018 24rd International Conference on Pattern Recognition (ICPR)

ISBN

978-1-5386-3788-3

ISSN

—

e-ISSN

1051-4651

Počet stran výsledku

6

Strana od-do

2112-2117

Název nakladatele

IEEE

Místo vydání

Piscataway, NJ

Místo konání akce

Beijing

Datum konání akce

20. 8. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000455146802021