초록
본 논문에서는 딥 피처의 공간 정보를 분석하고, 견고한 시각 추적을 위한 두 가지 보완적인 회귀 방법을 제안합니다. 첫째, 커널 값이 두 샘플 간 모든 패치 쌍의 유사성 점수의 가중합으로 정의되는 커널화된 릿지 회귀 모델을 제안합니다. 이 모델은 신경망으로 표현될 수 있으며, 따라서 효율적으로 해결할 수 있음을 보여줍니다. 둘째, 각 출력 채널에 해당하는 필터 커널이 대상의 특정 영역에 집중하도록 강제하는 공간 규제 커널을 사용한 완전 합성곱 신경망을 제안합니다. 거리 변환 풀링(Distance transform pooling) 기법을 활용하여 합성곱 계층의 각 출력 채널의 효과성을 결정합니다. 커널화된 릿지 회귀 모델과 완전 합성곱 신경망의 출력을 결합하여 최종 응답 값을 얻습니다. 두 벤치마크 데이터셋에서 수행한 실험 결과는 제안된 방법의 유효성을 검증하였습니다.