論文の概要: Keyfilter-Aware Real-Time UAV Object Tracking

• arxiv url: http://arxiv.org/abs/2003.05218v1
• Date: Wed, 11 Mar 2020 11:11:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-24 14:50:19.641863
• Title: Keyfilter-Aware Real-Time UAV Object Tracking
• Title（参考訳）: Keyfilter-Aware Real-Time UAV Object Tracking
• Authors: Yiming Li, Changhong Fu, Ziyuan Huang, Yinqiang Zhang, Jia Pan
• Abstract要約: 相関フィルタに基づく追跡は無人航空機(UAV)に広く応用されている 境界効果とフィルタ腐敗という2つの欠陥がある。 同時ローカライゼーションとマッピングにインスパイアされ、視覚的トラッキングにおいて初めてkey-of-filterが提案される。
• 参考スコア（独自算出の注目度）: 28.90501292821063
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Correlation filter-based tracking has been widely applied in unmanned aerial vehicle (UAV) with high efficiency. However, it has two imperfections, i.e., boundary effect and filter corruption. Several methods enlarging the search area can mitigate boundary effect, yet introducing undesired background distraction. Existing frame-by-frame context learning strategies for repressing background distraction nevertheless lower the tracking speed. Inspired by keyframe-based simultaneous localization and mapping, keyfilter is proposed in visual tracking for the first time, in order to handle the above issues efficiently and effectively. Keyfilters generated by periodically selected keyframes learn the context intermittently and are used to restrain the learning of filters, so that 1) context awareness can be transmitted to all the filters via keyfilter restriction, and 2) filter corruption can be repressed. Compared to the state-of-the-art results, our tracker performs better on two challenging benchmarks, with enough speed for UAV real-time applications.
• Abstract（参考訳）: 相関フィルタに基づく追跡は、無人航空機(UAV)に高い効率で広く応用されている。 しかし、2つの欠陥、すなわち境界効果とフィルタの破損がある。 探索領域を拡大するいくつかの方法は境界効果を緩和し、望ましくない背景の注意をそらす。 既存のフレーム・バイ・フレームのコンテキスト学習戦略は、バックグラウンドの邪魔を抑えるが、トラッキング速度を下げる。 キーフレームに基づく同時ローカライゼーションとマッピングにインスパイアされたキーフィルタは、上記の問題を効果的かつ効率的に扱うために、初めて視覚的トラッキングにおいて提案される。 周期的に選択されたキーフレームによって生成されるキーフィルタは、間欠的にコンテキストを学習し、フィルタの学習を抑制するために使用される。 1) 文脈認識は、キーフィルタの制限により全てのフィルタに伝達でき、 2) フィルターの腐敗は抑制できる。 最先端の結果と比較して、我々のトラッカーは、UAVリアルタイムアプリケーションに十分な速度で、2つの挑戦的なベンチマークで性能を向上する。

関連論文リスト

• StraightPCF: Straight Point Cloud Filtering [50.66412286723848]
  ポイントクラウドフィルタリングは、基礎となるクリーンな表面を回復しながらノイズを取り除くことを目的とした、基本的な3Dビジョンタスクである。 我々は、ポイントクラウドフィルタリングのための新しいディープラーニングベースの方法であるStraightPCFを紹介する。 ノイズの多い点を直線に沿って移動させることで、離散化誤差を低減し、クリーン表面への高速な収束を保証する。
  論文  参考訳（メタデータ） (2024-05-14T05:41:59Z)
• IterativePFN: True Iterative Point Cloud Filtering [18.51768749680731]
  基本的な3Dビジョンタスクは、ポイントクラウドフィルタリング(point cloud filtering)またはデノイング(denoising)として知られるノイズの除去である。 本報告では,本フィルタを内部でモデル化する複数のイテレーションで構成されたIterativePFN(Iterative Cloud Filtering Network)を提案する。 我々の手法は最先端の手法よりも優れた性能が得られる。
  論文  参考訳（メタデータ） (2023-04-04T04:47:44Z)
• Sparse Regularized Correlation Filter for UAV Object Tracking with adaptive Contextual Learning and Keyfilter Selection [20.786475337107472]
  相関フィルタは無人航空機(UAV)の追跡に広く応用されている。 2つの固有の欠陥、すなわち境界効果とフィルタの破損のために脆弱である。 本稿では,適応型文脈学習とキーフィルタ選択を用いた新しい$ell_1$正規化相関フィルタを提案する。
  論文  参考訳（メタデータ） (2022-05-07T10:25:56Z)
• Learning Versatile Convolution Filters for Efficient Visual Recognition [125.34595948003745]
  本稿では,効率的な畳み込みニューラルネットワーク構築のための多目的フィルタを提案する。 本稿では,ネットワークの複雑性に関する理論的解析を行い,効率的な畳み込み手法を提案する。 ベンチマークデータセットとニューラルネットワークの実験結果は、我々の汎用フィルタが元のフィルタと同等の精度を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-09-20T06:07:14Z)
• ADTrack: Target-Aware Dual Filter Learning for Real-Time Anti-Dark UAV Tracking [17.80444543935194]
  提案手法は,効率的かつ効率的な低照度画像エンハンサーをCFベースのトラッカーに統合する。 目標認識マスクを適用して、ロバストなトラッキングのためにコンテキストフィルタを補助する目標中心フィルタを共同訓練することができる。 その結果、ADTrackは他の最先端トラッカーよりも優れており、1CPUで34フレーム/秒のリアルタイム速度を実現していることがわかった。
  論文  参考訳（メタデータ） (2021-06-04T14:05:24Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy [63.91005999481061]
  実用的長期トラッカーは、典型的には3つの重要な特性を含む。 効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。 動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。 我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
  論文  参考訳（メタデータ） (2021-04-25T00:59:53Z)
• Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking [12.292672531693794]
  本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。 実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。 提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
  論文  参考訳（メタデータ） (2020-08-09T10:22:52Z)
• Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
  本稿では,2段階の逐次回帰トラッカーを提案する。 第1段階では, 容易に同定可能な負の候補を抽出する。 第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
  論文  参考訳（メタデータ） (2020-06-18T07:48:01Z)
• AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization [19.379240684856423]
  識別相関フィルタ(DCF)に基づく既存のトラッカーのほとんどは、対象オブジェクトの学習を改善するために予め定義された正規化項を導入しようとする。 本研究は,オンラインおよび自動学習時正則化項に対する新しいアプローチを提案する。 4つのUAVベンチマーク実験は、最先端のCPUおよびGPUベースのトラッカーと比較して、我々の手法の優位性を証明している。
  論文  参考訳（メタデータ） (2020-03-29T05:02:25Z)
• Tracking Road Users using Constraint Programming [79.32806233778511]
  本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。 提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
  論文  参考訳（メタデータ） (2020-03-10T00:04:32Z)

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。