論文の概要: COMET: Context-Aware IoU-Guided Network for Small Object Tracking
- arxiv url: http://arxiv.org/abs/2006.02597v3
- Date: Fri, 18 Sep 2020 15:04:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 12:40:37.159355
- Title: COMET: Context-Aware IoU-Guided Network for Small Object Tracking
- Title(参考訳): COMET:小型物体追跡のためのコンテキスト対応IoUガイドネットワーク
- Authors: Seyed Mojtaba Marvasti-Zadeh, Javad Khaghani, Hossein Ghanei-Yakhdan,
Shohreh Kasaei, and Li Cheng
- Abstract要約: マルチタスク2ストリームネットワークとオフライン参照提案生成戦略を利用したコンテキスト対応IoU誘導トラッカー(COMET)を提案する。
提案するネットワークは,マルチスケールの特徴学習とアテンションモジュールによるターゲット関連情報を完全に活用する。
経験的に、COMETは、小さなオブジェクトを追跡することに焦点を当てた、さまざまな空中ビューデータセットにおいて、最先端のデータをパフォーマンスします。
- 参考スコア(独自算出の注目度): 17.387332692494084
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We consider the problem of tracking an unknown small target from aerial
videos of medium to high altitudes. This is a challenging problem, which is
even more pronounced in unavoidable scenarios of drastic camera motion and high
density. To address this problem, we introduce a context-aware IoU-guided
tracker (COMET) that exploits a multitask two-stream network and an offline
reference proposal generation strategy. The proposed network fully exploits
target-related information by multi-scale feature learning and attention
modules. The proposed strategy introduces an efficient sampling strategy to
generalize the network on the target and its parts without imposing extra
computational complexity during online tracking. These strategies contribute
considerably in handling significant occlusions and viewpoint changes.
Empirically, COMET outperforms the state-of-the-arts in a range of aerial view
datasets that focusing on tracking small objects. Specifically, COMET
outperforms the celebrated ATOM tracker by an average margin of 6.2% (and 7%)
in precision (and success) score on challenging benchmarks of UAVDT,
VisDrone-2019, and Small-90.
- Abstract(参考訳): 中高度から高高度の空撮映像から未知の小型目標を追跡することの問題点を考察する。
これは難しい問題であり、急激なカメラの動きと高密度の不可避なシナリオではさらに顕著である。
この問題に対処するために,マルチタスク2ストリームネットワークとオフライン参照提案生成戦略を利用するコンテキスト対応IoU誘導トラッカー(COMET)を導入する。
提案するネットワークは,マルチスケールの特徴学習とアテンションモジュールによるターゲット関連情報を完全に活用する。
提案手法では, オンライントラッキングにおいて, 余分な計算複雑性を伴わずに, ターゲットとその部分のネットワークを一般化するための効率的なサンプリング戦略を導入する。
これらの戦略は大きな咬合や視点の変化の処理に大いに寄与している。
COMETは、小さなオブジェクトを追跡することに焦点を当てた、さまざまな空中ビューデータセットにおいて、最先端のデータをパフォーマンスします。
具体的には、COMETは、UAVDT、VisDrone-2019、Small-90の挑戦的なベンチマークで平均6.2%(および7%)の精度でATOMトラッカーを上回っている。
関連論文リスト
- Multi-Target Tracking with Transferable Convolutional Neural Networks [96.00428692404354]
マルチターゲットトラッキングに対処するための畳み込みニューラルネットワークアーキテクチャを提案する。
ターゲット状態とセンサ計測を画像として表現し,画像から画像への予測タスクとして再放送する。
実際に提案した転送可能なCNNアーキテクチャは、MTTタスクのランダム有限集合フィルタを10のターゲットで上回り、250のターゲットで29%の性能改善を施したMTTタスクに再トレーニングすることなく転送を行う。
論文 参考訳(メタデータ) (2022-10-27T15:29:34Z) - SOMPT22: A Surveillance Oriented Multi-Pedestrian Tracking Dataset [5.962184741057505]
我々はSOMPT22データセットを紹介した。これは、都市監視のための高さ6-8mのポール上の静止カメラから撮影した注釈付きショートビデオを備えた、複数人の追跡のための新しいセットである。
我々は,新しいデータセット上での検出とreIDネットワークの利用方法について,MOTトラッカーをワンショットと2ステージに分類して分析する。
我々の新しいデータセットの実験結果から、SOTAは依然として高効率には程遠いことが示され、シングルショットトラッカーは高速実行と精度を競合性能と一体化するための良い候補である。
論文 参考訳(メタデータ) (2022-08-04T11:09:19Z) - A lightweight and accurate YOLO-like network for small target detection
in Aerial Imagery [94.78943497436492]
小型ターゲット検出のためのシンプルで高速で効率的なネットワークであるYOLO-Sを提案する。
YOLO-SはDarknet20をベースとした小さな特徴抽出器と、バイパスと連結の両方を通じて接続をスキップする。
YOLO-Sはパラメータサイズが87%減少し、約半分のFLOPがYOLOv3となり、低消費電力の産業用アプリケーションに実用化された。
論文 参考訳(メタデータ) (2022-04-05T16:29:49Z) - Tracking by Joint Local and Global Search: A Target-aware Attention
based Approach [63.50045332644818]
本研究では、ロバストな追跡のための局所的・グローバルな共同探索を行うための新たな目標認識型アテンション機構(TANet)を提案する。
具体的には、ターゲットオブジェクトパッチと連続ビデオフレームの特徴を抽出し、それらをデコーダネットワークに追従して、ターゲットを意識したグローバルアテンションマップを生成する。
追跡手順において、ロバストな追跡のための候補探索領域を探索することにより、ターゲット認識の注意を複数のトラッカーと統合する。
論文 参考訳(メタデータ) (2021-06-09T06:54:15Z) - Finding a Needle in a Haystack: Tiny Flying Object Detection in 4K
Videos using a Joint Detection-and-Tracking Approach [19.59528430884104]
本稿では,検出と追跡を共同で行うrecurrent correlational networkと呼ばれるニューラルネットワークモデルを提案する。
鳥や無人航空機などの小さな飛行物体の画像を含むデータセットを用いた実験では、提案手法は一貫した改善をもたらした。
我々のネットワークは、鳥の画像データセットのトラッカーとして評価されたとき、最先端の汎用オブジェクトトラッカと同様に機能します。
論文 参考訳(メタデータ) (2021-05-18T03:22:03Z) - 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) - 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) - Learning to Track Dynamic Targets in Partially Known Environments [48.49957897251128]
我々は、アクティブな目標追跡を解決するために、深層強化学習アプローチを用いる。
特に,アクティブ・トラッカー・ターゲティング・ネットワーク(ATTN)を導入し,アクティブ・ターゲティング・ターゲティングの主要なタスクを解決するための統一的なRLポリシーを提案する。
論文 参考訳(メタデータ) (2020-06-17T22:45:24Z) - Dynamic Radar Network of UAVs: A Joint Navigation and Tracking Approach [36.587096293618366]
新たな問題は、建物の後ろに隠れている無人小型無人航空機(UAV)を追跡することである。
本稿では,悪意のある標的のリアルタイムかつ高精度な追跡のためのUAVの動的レーダネットワークを提案する。
論文 参考訳(メタデータ) (2020-01-13T23:23:09Z)
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。