論文の概要: AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization

• arxiv url: http://arxiv.org/abs/2003.12949v1
• Date: Sun, 29 Mar 2020 05:02:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-18 13:40:28.944692
• Title: AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization
• Title（参考訳）: AutoTrack: 自動時空間正規化によるUAVのための高性能ビジュアルトラッキング
• Authors: Yiming Li, Changhong Fu, Fangqiang Ding, Ziyuan Huang, Geng Lu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 19.379240684856423
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most existing trackers based on discriminative correlation filters (DCF) try to introduce predefined regularization term to improve the learning of target objects, e.g., by suppressing background learning or by restricting change rate of correlation filters. However, predefined parameters introduce much effort in tuning them and they still fail to adapt to new situations that the designer did not think of. In this work, a novel approach is proposed to online automatically and adaptively learn spatio-temporal regularization term. Spatially local response map variation is introduced as spatial regularization to make DCF focus on the learning of trust-worthy parts of the object, and global response map variation determines the updating rate of the filter. Extensive experiments on four UAV benchmarks have proven the superiority of our method compared to the state-of-the-art CPU- and GPU-based trackers, with a speed of ~60 frames per second running on a single CPU. Our tracker is additionally proposed to be applied in UAV localization. Considerable tests in the indoor practical scenarios have proven the effectiveness and versatility of our localization method. The code is available at https://github.com/vision4robotics/AutoTrack.
• Abstract（参考訳）: 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、事前定義された正規化項を導入して、例えば、バックグラウンド学習の抑制や相関フィルタの変更率の制限によって、対象オブジェクトの学習を改善する。 しかし、事前定義されたパラメータはチューニングに多くの労力を要し、設計者が考えなかった新しい状況に適応できない。 本研究では,時空間正規化用語をオンライン上で自動かつ適応的に学習するための新しい手法を提案する。 空間的局所応答マップの変動を空間正規化として導入し、dcfがオブジェクトの信頼に値する部分の学習に焦点を合わせ、グローバル応答マップの変動がフィルタの更新率を決定する。 4つのUAVベンチマークに対する大規模な実験は、最先端のCPUと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。 我々のトラッカーは、UAVローカライゼーションに適用されるように提案されている。 室内の実用シナリオにおける相当なテストにより,ローカライズ手法の有効性と汎用性が証明された。 コードはhttps://github.com/vision4robotics/autotrackで入手できる。

関連論文リスト

• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [60.05963742334746]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• Fast-Slow Test-Time Adaptation for Online Vision-and-Language Navigation [67.18144414660681]
  オンラインビジョン・アンド・ランゲージナビゲーション(VLN)のためのFSTTA(Fast-Slow Test-Time Adaptation)アプローチを提案する。 提案手法は,4つのベンチマークにおいて顕著な性能向上を実現する。
  論文  参考訳（メタデータ） (2023-11-22T07:47:39Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• 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 Residue-Aware Correlation Filters and Refining Scale Estimates with the GrabCut for Real-Time UAV Tracking [12.718396980204961]
  無人航空機(UAV)ベースの追跡はますます注目を集め、農業、航空、ナビゲーション、輸送、公安などのアプリケーションで急速に発展しています。 近年,1つのCPU上での高い効率とロバスト性のために,識別相関フィルタ(DCF)ベースのトラッカーがUAVトラッキングコミュニティで注目されている。 本稿では,GrabCutによるセグメンテーションによるDCFトラッカーの判別スケール推定の改善について検討する。
  論文  参考訳（メタデータ） (2021-04-07T13:35:01Z)
• DR^2Track: Towards Real-Time Visual Tracking for UAV via Distractor Repressed Dynamic Regression [18.044423448896143]
  本研究では,検出フェーズで生成した応答マップの局所的な最大点を利用して,電流イントラクタの自動検出を行う。 3つの挑戦的なUAVベンチマークで実施された実体実験は、優れた性能と異常な速度の両方を実証している。
  論文  参考訳（メタデータ） (2020-08-10T06:08:31Z)
• 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)
• Fully Convolutional Online Tracking [47.78513247048846]
  我々は、分類と回帰の両方のためにFCOTと呼ばれる完全な畳み込みオンライン追跡フレームワークを提示する。 我々の重要な貢献は、ターゲットフィルタの重みをオンラインサンプルで初期化するオンライン回帰モデル生成器(RMG)の導入である。 RMGのユニークな設計のおかげで、我々のFCOTは時間次元に沿った目標変動の処理に有効であるばかりでなく、より正確な結果を生み出すことができる。
  論文  参考訳（メタデータ） (2020-04-15T14:21:57Z)
• Tracking Performance of Online Stochastic Learners [57.14673504239551]
  オンラインアルゴリズムは、大規模なバッチにデータを保存したり処理したりすることなく、リアルタイムで更新を計算できるため、大規模な学習環境で人気がある。 一定のステップサイズを使用すると、これらのアルゴリズムはデータやモデル特性などの問題パラメータのドリフトに適応し、適切な精度で最適解を追跡する能力を持つ。 定常仮定に基づく定常状態性能とランダムウォークモデルによるオンライン学習者の追跡性能の関連性を確立する。
  論文  参考訳（メタデータ） (2020-04-04T14:16:27Z)

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。