論文の概要: Multiple Object Tracking by Flowing and Fusing

• arxiv url: http://arxiv.org/abs/2001.11180v1
• Date: Thu, 30 Jan 2020 05:17:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 12:21:21.187629
• Title: Multiple Object Tracking by Flowing and Fusing
• Title（参考訳）: 流れと融合による複数物体追跡
• Authors: Jimuyang Zhang, Sanping Zhou, Xin Chang, Fangbin Wan, Jinjun Wang, Yang Wu, Dong Huang
• Abstract要約: Flow-Fuse-Tracker (FFT) は、画素レベルの光学フローから、目標方向の動きの無期限数を学習する追跡手法である。 ターゲットfusingでは、FuseTrackerモジュールがFlowTrackerとフレームワイドオブジェクト検出によって提案されるターゲットを洗練およびヒューズする。 オンラインMOTアプローチとして、FFTは2DMOT15で46.3、MOT16で56.5、MOT17追跡ベンチマークで56.5のMOTAを作成した。
• 参考スコア（独自算出の注目度）: 31.58422046611455
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of Multiple Object Tracking (MOT) approaches compute individual target features for two subtasks: estimating target-wise motions and conducting pair-wise Re-Identification (Re-ID). Because of the indefinite number of targets among video frames, both subtasks are very difficult to scale up efficiently in end-to-end Deep Neural Networks (DNNs). In this paper, we design an end-to-end DNN tracking approach, Flow-Fuse-Tracker (FFT), that addresses the above issues with two efficient techniques: target flowing and target fusing. Specifically, in target flowing, a FlowTracker DNN module learns the indefinite number of target-wise motions jointly from pixel-level optical flows. In target fusing, a FuseTracker DNN module refines and fuses targets proposed by FlowTracker and frame-wise object detection, instead of trusting either of the two inaccurate sources of target proposal. Because FlowTracker can explore complex target-wise motion patterns and FuseTracker can refine and fuse targets from FlowTracker and detectors, our approach can achieve the state-of-the-art results on several MOT benchmarks. As an online MOT approach, FFT produced the top MOTA of 46.3 on the 2DMOT15, 56.5 on the MOT16, and 56.5 on the MOT17 tracking benchmarks, surpassing all the online and offline methods in existing publications.
• Abstract（参考訳）: Multi Object Tracking (MOT) のアプローチのほとんどは、2つのサブタスクの個々のターゲット特徴を計算する。 ビデオフレーム間のターゲット数が不確定であるため、両サブタスクはエンドツーエンドのディープニューラルネットワーク(DNN)で効率的にスケールアップすることが非常に困難である。 本稿では,フロー・フューズ・トラッカー (FFT) というエンドツーエンドのDNN追跡手法を設計し,上記の問題にターゲットフローとターゲットヒューズという2つの効率的な手法で対処する。 具体的には、ターゲットフローにおいて、FlowTracker DNNモジュールは、画素レベルの光学フローから、ターゲットワイズ動作の無期限数を学習する。 target fusingでは、fusetracker dnnモジュールがflowtrackerとframe-wise object detectionによって提案されたターゲットを洗練し、融合する。 FlowTrackerは複雑な目標運動パターンを探索でき、FuseTrackerはFlowTrackerや検出器からターゲットを洗練・融合できるので、いくつかのMOTベンチマークで最先端の結果が得られる。 オンラインMOTのアプローチとして、FFTは2DMOT15の46.3、MOT16の56.5、MOT17の56.5のトラッキングベンチマークを作成した。

関連論文リスト

• FlowTrack: Point-level Flow Network for 3D Single Object Tracking [24.93453336062018]
  3Dシングルオブジェクトトラッキング(SOT)は、モバイルロボティクスと自動運転の分野において重要なタスクである。 従来の動きに基づくアプローチは、2つの連続するフレーム間の目標の相対的な移動を推定することで目標追跡を実現する。 本研究では,FlowTrackと呼ばれる3次元SOTタスクのための多フレーム情報を用いた点レベルフロー手法を提案する。
  論文  参考訳（メタデータ） (2024-07-02T05:31:34Z)
• SparseTrack: Multi-Object Tracking by Performing Scene Decomposition based on Pseudo-Depth [84.64121608109087]
  2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。 次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。 擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
  論文  参考訳（メタデータ） (2023-06-08T14:36:10Z)
• Multi-Object Tracking by Iteratively Associating Detections with Uniform Appearance for Trawl-Based Fishing Bycatch Monitoring [22.228127377617028]
  漁業活動における漁獲監視の目的は、映像から魚の標的をリアルタイムで検出し、追跡し、分類することである。 本稿では,既存の観測中心追跡アルゴリズムに基づく新しいMOT手法を提案する。 本手法は,海洋魚種群およびMOT17種群において,一様外観の追跡目標の性能向上と最先端技術の向上を図っている。
  論文  参考訳（メタデータ） (2023-04-10T18:55:10Z)
• Minkowski Tracker: A Sparse Spatio-Temporal R-CNN for Joint Object Detection and Tracking [53.64390261936975]
  我々はオブジェクトの検出と追跡を共同で解決するスパース時間R-CNNであるMinkowski Trackerを提案する。 領域ベースCNN(R-CNN)に着想を得て,物体検出器R-CNNの第2段階として動きを追跡することを提案する。 大規模実験では,本手法の総合的な性能向上は4つの要因によることがわかった。
  論文  参考訳（メタデータ） (2022-08-22T04:47:40Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• Track to Detect and Segment: An Online Multi-Object Tracker [81.15608245513208]
  TraDeSは、エンドツーエンドの検出を支援するために追跡の手がかりを利用するオンライン共同検出および追跡モデルです。 TraDeSは、以前のオブジェクトの機能を伝播するために使用されるコストボリュームでオブジェクト追跡オフセットを推測します。
  論文  参考訳（メタデータ） (2021-03-16T02:34:06Z)
• SMOT: Single-Shot Multi Object Tracking [39.34493475666044]
  シングルショットマルチオブジェクトトラッカー(SMOT)は、任意のシングルショット検出器(SSD)モデルをオンラインマルチオブジェクトトラッカーに変換する新しいトラッキングフレームワークである。 Hannah、Music Videos、MOT17の3つのオブジェクトトラッキングのベンチマークにおいて、提案されたSMOTは最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-10-30T02:46:54Z)
• Simultaneous Detection and Tracking with Motion Modelling for Multiple Object Tracking [94.24393546459424]
  本稿では,複数の物体の運動パラメータを推定し,共同検出と関連付けを行うディープ・モーション・モデリング・ネットワーク(DMM-Net)を提案する。 DMM-Netは、人気の高いUA-DETRACチャレンジで12.80 @120+ fpsのPR-MOTAスコアを達成した。 また,車両追跡のための大規模な公開データセットOmni-MOTを合成し,精密な接地トルースアノテーションを提供する。
  論文  参考訳（メタデータ） (2020-08-20T08:05:33Z)
• Tracking-by-Counting: Using Network Flows on Crowd Density Maps for Tracking Multiple Targets [96.98888948518815]
  State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。 混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
  論文  参考訳（メタデータ） (2020-07-18T19:51:53Z)

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。