論文の概要: MOT20: A benchmark for multi object tracking in crowded scenes

• arxiv url: http://arxiv.org/abs/2003.09003v1
• Date: Thu, 19 Mar 2020 20:08:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 04:43:54.704999
• Title: MOT20: A benchmark for multi object tracking in crowded scenes
• Title（参考訳）: MOT20:混み合ったシーンにおけるマルチオブジェクト追跡のためのベンチマーク
• Authors: Patrick Dendorfer, Hamid Rezatofighi, Anton Milan, Javen Shi, Daniel Cremers, Ian Reid, Stefan Roth, Konrad Schindler, and Laura Leal-Taix\'e
• Abstract要約: 我々は,非常に混み合ったシーンを描写した8つの新しいシーケンスからなるMOT20ベンチマークを提示する。 ベンチマークは第4回BMTT MOT Challenge Workshop at the Computer Vision and Pattern Recognition Conference (CVPR)で初めて発表された。
• 参考スコア（独自算出の注目度）: 73.92443841487503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standardized benchmarks are crucial for the majority of computer vision applications. Although leaderboards and ranking tables should not be over-claimed, benchmarks often provide the most objective measure of performance and are therefore important guides for research. The benchmark for Multiple Object Tracking, MOTChallenge, was launched with the goal to establish a standardized evaluation of multiple object tracking methods. The challenge focuses on multiple people tracking, since pedestrians are well studied in the tracking community, and precise tracking and detection has high practical relevance. Since the first release, MOT15, MOT16, and MOT17 have tremendously contributed to the community by introducing a clean dataset and precise framework to benchmark multi-object trackers. In this paper, we present our MOT20benchmark, consisting of 8 new sequences depicting very crowded challenging scenes. The benchmark was presented first at the 4thBMTT MOT Challenge Workshop at the Computer Vision and Pattern Recognition Conference (CVPR) 2019, and gives to chance to evaluate state-of-the-art methods for multiple object tracking when handling extremely crowded scenarios.
• Abstract（参考訳）: 標準化されたベンチマークは、ほとんどのコンピュータビジョンアプリケーションにとって不可欠である。 リーダーボードやランキング表は過大評価されるべきではないが、ベンチマークはパフォーマンスの最も客観的な指標を提供するため、研究のための重要なガイドである。 Multi Object TrackingのベンチマークであるMOTChallengeは、複数のオブジェクト追跡メソッドの標準化された評価を確立することを目的としている。 歩行者は追跡コミュニティでよく研究されており、正確な追跡と検出は実用的な妥当性が高いため、この課題は複数の人の追跡に焦点を当てている。 最初のリリース以来、mot15、mot16、mot17は、マルチオブジェクトトラッカをベンチマークするためのクリーンなデータセットと正確なフレームワークを導入することで、コミュニティに多大な貢献をした。 本稿では,非常に混み合ったシーンを描写した8つの新しいシーケンスからなるMOT20ベンチマークを提案する。 このベンチマークは、コンピュータビジョンとパターン認識カンファレンス(CVPR) 2019の第4回BMTT MOTチャレンジワークショップで最初に発表された。

関連論文リスト

• Tracking Reflected Objects: A Benchmark [12.770787846444406]
  我々は、反射オブジェクトのトラッキングに特化したベンチマークであるTROを紹介します。 TROは、約70,000フレームの200のシーケンスを含み、それぞれにバウンディングボックスを慎重にアノテートする。 より強力なベースラインを提供するために,階層的特徴を用いて性能を向上させる新しいトラッカーであるHiP-HaTrackを提案する。
  論文  参考訳（メタデータ） (2024-07-07T02:22:45Z)
• TopTrack: Tracking Objects By Their Top [13.020122353444497]
  TopTrackは、オブジェクトの上部を中心ではなくキーポイントとして使用する、共同検出と追跡の手法である。 我々は,検出のキーポイントとしてオブジェクトトップを使用することで,検出ミスの量を削減できることを示す実験を行った。
  論文  参考訳（メタデータ） (2023-04-12T19:00:12Z)
• Beyond SOT: Tracking Multiple Generic Objects at Once [141.36900362724975]
  ジェネリックオブジェクト追跡(ジェネリックオブジェクト追跡、英: Generic Object Tracking、GOT)は、ビデオの最初のフレームでボックスをバウンディングすることによって指定されたターゲットオブジェクトを追跡する問題である。 大規模GOTベンチマークであるLaGOTを導入し,複数のアノテート対象オブジェクトをシーケンス毎に含む。 提案手法は単一オブジェクトのGOTデータセットに対して高い競合性を実現し,TrackingNet上での新たな技術状態が84.4%の成功率で設定されている。
  論文  参考訳（メタデータ） (2022-12-22T17:59:19Z)
• End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
  マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。 本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
  論文  参考訳（メタデータ） (2022-10-26T10:19:37Z)
• Simple Cues Lead to a Strong Multi-Object Tracker [3.7189423451031356]
  マルチオブジェクト追跡のための新しいタイプのトラッキング・バイ・ディテクト(TbD)を提案する。 単純な動作モデルと外観特徴を組み合わせることで,強い追跡結果が得られることを示す。 私たちのトラッカーは、MOT17、MOT20、BDD100k、DanceTrackの4つの公開データセットに一般化され、最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2022-06-09T17:55:51Z)
• Probabilistic Tracklet Scoring and Inpainting for Multiple Object Tracking [83.75789829291475]
  本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。 これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。 我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-03T23:59:27Z)
• MOTChallenge: A Benchmark for Single-Camera Multiple Target Tracking [72.76685780516371]
  単カメラ多目的追跡(MOT)のためのベンチマークMOTChallengeを提案する。 このベンチマークは、歩行者がトラッキングコミュニティで最も研究されているオブジェクトであるため、複数の人を追跡することに重点を置いている。 我々は,最先端トラッカーの分類と広い誤差解析を行う。
  論文  参考訳（メタデータ） (2020-10-15T06:52:16Z)
• TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
  オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。 ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。 我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
  論文  参考訳（メタデータ） (2020-05-20T21:07:28Z)

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。