端から端までの表現学習による相関フィルタを基にした追跡

相関フィルターは、画像とその並行移動間の識別を行う線形テンプレートを学習するアルゴリズムです。このアルゴリズムは、フーリエ領域での表現が高速な解を提供するため、オブジェクト追跡に適しています。これにより、検出器をフレームごとに再学習することが可能になります。しかし、従来の相関フィルターを使用した研究では、手動で設計された特徴量または異なるタスクのために訓練された特徴量が採用されていました。本研究では、閉形式の解を持つ相関フィルター学習器を深層ニューラルネットワークの微分可能な層として解釈することで、この制限を初めて克服しました。これにより、相関フィルターと密接に連携した深い特徴量を学習することが可能になりました。実験結果は、当手法が軽量アーキテクチャでも高フレームレートで最先端の性能を達成できるという重要な実用的な利点を持っていることを示しています。