追跡過程における対象位置の定位精度を向上させるために、顕著領域重み付けに基づく相関フィルタ目標追跡アルゴリズムを提案した。本論文では、高効率畳み込み演算子追跡アルゴリズム（Efficient Convolution Operators for Tracking、ECO）の追跡フレームワークを基に、まず事前学習済みの改良残差ネットワークSE-ResNetを用いて異なる層の多重解像度特徴を抽出し、浅層と深層特徴の異なる特性を十分に活用して特徴表現を強化し、因数分解畳み込みにより相関フィルタの応答マップを求める；次に背景対象モデルを用いて目標の顕著性マップを取得し、顕著性マップを用いて相関フィルタの応答マップに重み付けを行い、定位精度を向上させる；最後に、Visual Object Tracking（VOT）競技会で8種類の人気追跡アルゴリズムと比較し、VOT2016およびVOT2017競技会における平均重なり期待値(Expected Average Overlap、EAO)スコアはそれぞれ0.4157と0.3412に達し、他のアルゴリズムを上回った。実験により本アルゴリズムは目標追跡中の定位精度を効果的に向上させ、追跡性能を改善できることが示された。

畳み込みニューラルネットワーク;相関フィルタ;顕著領域;目標追跡