論文の概要: A single target tracking algorithm based on Generative Adversarial Networks

• arxiv url: http://arxiv.org/abs/1912.11967v1
• Date: Fri, 27 Dec 2019 02:55:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-10 00:15:57.739170
• Title: A single target tracking algorithm based on Generative Adversarial Networks
• Title（参考訳）: 生成型adversarial networkに基づく単一目標追跡アルゴリズム
• Authors: Zhaofu Diao
• Abstract要約: 閉塞防止機能を有する単一目標追跡アルゴリズムを提案する。 実際の性能では,アルゴリズムは隠蔽されたデータセットのターゲットの追跡に成功している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the single target tracking field, occlusion leads to the loss of tracking targets is a ubiquitous and arduous problem. To solve this problem, we propose a single target tracking algorithm with anti-occlusion capability. The main content of our algorithm is to use the Region Proposal Network to obtain the tracked target and potential interferences, and use the occlusion awareness module to judge whether the interfering object occludes the target. If no occlusion occurs, continue tracking. If occlusion occurs, the prediction module is started, and the motion trajectory of the target in subsequent frames is predicted according to the motion trajectory before occlusion. The result obtained by the prediction module is used to replace the target position feature obtained by the original tracking algorithm. So we solve the problem that the occlusion causes the tracking algorithm to lose the target. In actual performance, our algorithm can successfully track the target in the occluded dataset. On the VOT2018 dataset, our algorithm has an EAO of 0.421, an Accuracy of 0.67, and a Robustness of 0.186. Compared with SiamRPN ++, they increased by 1.69%, 11.67% and 9.3%, respectively.
• Abstract（参考訳）: 単一目標追跡フィールドでは、オクルージョンが追跡対象の喪失につながるのは、ユビキタスで困難な問題である。 この問題を解決するために,排除防止機能を持つ単一目標追跡アルゴリズムを提案する。 本アルゴリズムの主な内容は,領域提案ネットワークを用いて追跡対象と潜在的な干渉を抽出し,干渉対象が対象を遮蔽するか否かを判断するためにオクルージョン認識モジュールを用いることである。 閉塞が起こらない場合は追跡を続ける。 閉塞が発生した場合、予測モジュールが起動され、閉塞前の動き軌跡に応じて後続フレームにおける目標の運動軌跡が予測される。 予測モジュールによって得られた結果は、元の追跡アルゴリズムによって得られた目標位置特徴を置き換えるために使用される。 そこで我々は,オクルージョンが追跡アルゴリズムに目標を失う原因となる問題を解く。 実際の性能では、アルゴリズムは隠蔽されたデータセットのターゲットを追跡できる。 VOT2018データセットでは、私たちのアルゴリズムはEAOが0.421、精度が0.67、ロバストが0.186である。 SiamRPN ++と比較して、それぞれ1.69%、11.67%、9.3%増加した。

関連論文リスト

• An Approximate Dynamic Programming Framework for Occlusion-Robust Multi-Object Tracking [2.4549686118633938]
  近似動的プログラミングトラック(ADPTrack)というフレームワークを提案する。 これは、ベースと呼ばれる既存のメソッドを改善するために動的プログラミングの原則を適用します。 提案手法は,最先端手法よりも精度が0.7%向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-24T01:27:14Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• SalienDet: A Saliency-based Feature Enhancement Algorithm for Object Detection for Autonomous Driving [160.57870373052577]
  未知の物体を検出するために,サリエンデット法(SalienDet)を提案する。 我々のSaienDetは、オブジェクトの提案生成のための画像機能を強化するために、サリエンシに基づくアルゴリズムを利用している。 オープンワールド検出を実現するためのトレーニングサンプルセットにおいて、未知のオブジェクトをすべてのオブジェクトと区別するためのデータセットレザベリングアプローチを設計する。
  論文  参考訳（メタデータ） (2023-05-11T16:19:44Z)
• Real-time Multi-Object Tracking Based on Bi-directional Matching [0.0]
  本研究では,多目的追跡のための双方向マッチングアルゴリズムを提案する。 ストランド領域はマッチングアルゴリズムで使われ、追跡できないオブジェクトを一時的に保存する。 MOT17チャレンジでは、提案アルゴリズムは63.4%のMOTA、55.3%のIDF1、20.1のFPS追跡速度を達成した。
  論文  参考訳（メタデータ） (2023-03-15T08:38:08Z)
• An efficient real-time target tracking algorithm using adaptive feature fusion [5.629708188348423]
  低次元適応型特徴融合に基づく効率的なリアルタイム目標追跡手法を提案する。 提案アルゴリズムは、それぞれ0.023と0.019の改善により、より高い成功率と精度を得ることができる。 提案手法は,複雑な環境下でのリアルタイムな目標追従タスクを実現するための,より有望な方法である。
  論文  参考訳（メタデータ） (2022-04-05T08:40:52Z)
• Class agnostic moving target detection by color and location prediction of moving area [11.326363150470204]
  移動目標検出はコンピュータビジョンにおいて重要な役割を果たす。 ディープラーニングベースの畳み込みニューラルネットワークのような最近のアルゴリズムは、高精度でリアルタイムのパフォーマンスを実現している。 モデル自由移動目標検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-24T12:34:58Z)
• Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
  少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。 近年の取り組みは、他の等級のl_infty摂動と組み合わせている。 本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-10T20:11:36Z)
• Learning Target Candidate Association to Keep Track of What Not to Track [100.80610986625693]
  目標を追尾し続けるために、逸脱物を追跡することを提案します。 視覚的トラッキングにおいて, トラクタオブジェクト間の接地トルース対応を欠く問題に対処するために, 部分アノテーションと自己監督を組み合わせたトレーニング戦略を提案する。 我々のトラッカーは6つのベンチマークで新しい最先端のベンチマークを設定し、AUCスコアはLaSOTで67.2%、OxUvA長期データセットで+6.1%向上した。
  論文  参考訳（メタデータ） (2021-03-30T17:58:02Z)
• Graph Attention Tracking [76.19829750144564]
  汎用オブジェクト追跡のための簡易な目標認識型シームズグラフアテンションネットワークを提案する。 GOT-10k、UAV123、TB-100、LaSOTといった挑戦的なベンチマークの実験は、提案されたSiamGATが最先端のトラッカーよりも優れていることを示した。
  論文  参考訳（メタデータ） (2020-11-23T04:26:45Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Accurate Bounding-box Regression with Distance-IoU Loss for Visual Tracking [42.81230953342163]
  提案手法は,最先端トラッカーと比較した場合の競合追跡精度を実現する。 目標推定部は、目標接地接地接地接地接地と推定接地接地接地接地とのDIoUスコアを予測するように訓練される。 我々は,リアルタイムトラッキング速度を保証するために,Conjugate-Gradientベースの戦略でオンラインにトレーニングし,最適化した分類部品を導入する。
  論文  参考訳（メタデータ） (2020-07-03T11:57:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。