論文の概要: Multiple-Vehicle Tracking in the Highway Using Appearance Model and Visual Object Tracking

• arxiv url: http://arxiv.org/abs/2006.07309v1
• Date: Fri, 12 Jun 2020 16:46:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 04:27:51.054823
• Title: Multiple-Vehicle Tracking in the Highway Using Appearance Model and Visual Object Tracking
• Title（参考訳）: 外観モデルと視覚物体追跡を用いた高速道路の多車追尾
• Authors: Fateme Bafghi, Bijan Shoushtarian
• Abstract要約: 本稿では,複数車種追跡の精度を許容できる,効率的な新しい手法を提案する。 ディープニューラルネットワークから抽出された特徴と従来の特徴の抽出に2つの異なるアプローチが使用されている。 第1の方法は58.9%の精度で、第2の方法は15.9%まで精度が上がった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent decades, due to the groundbreaking improvements in machine vision, many daily tasks are performed by computers. One of these tasks is multiple-vehicle tracking, which is widely used in different areas such as video surveillance and traffic monitoring. This paper focuses on introducing an efficient novel approach with acceptable accuracy. This is achieved through an efficient appearance and motion model based on the features extracted from each object. For this purpose, two different approaches have been used to extract features, i.e. features extracted from a deep neural network, and traditional features. Then the results from these two approaches are compared with state-of-the-art trackers. The results are obtained by executing the methods on the UA-DETRACK benchmark. The first method led to 58.9% accuracy while the second method caused up to 15.9%. The proposed methods can still be improved by extracting more distinguishable features.
• Abstract（参考訳）: 近年、機械ビジョンの画期的な改善により、多くの日常業務がコンピュータによって行われている。 これらのタスクの1つは複数車両追跡であり、ビデオ監視や交通監視など様々な分野で広く利用されている。 本稿では,精度の高い効率的な新しい手法を提案する。 これは、各オブジェクトから抽出された特徴に基づいた効率的な外観と動きモデルによって達成される。 この目的のために、ディープニューラルネットワークから抽出された特徴と従来の特徴の抽出に2つの異なるアプローチが使用されている。 そして、この2つのアプローチの結果を最先端のトラッカーと比較する。 結果は、UA-DETRACKベンチマーク上でメソッドを実行することで得られる。 第1の方法は58.9%の精度で、第2の方法は15.9%まで精度が上がった。 提案手法は,より識別可能な特徴を抽出することで改善することができる。

関連論文リスト

• Attention-based U-Net Method for Autonomous Lane Detection [0.5461938536945723]
  本研究では,ディープラーニングに基づく2つのレーン認識手法を提案する。 最初の方法はFPN(Feature Pyramid Network)モデルを用いており、道路車線検出の精度は87.59%である。 注意層をU-Netモデルに組み込んだ第2の手法はセマンティックセグメンテーションタスクの性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-11-16T22:20:11Z)
• When to Extract ReID Features: A Selective Approach for Improved Multiple Object Tracking [0.0]
  ReID(Rettracting and matching Re-Identification)機能は、多くの最先端(SOTA)多重オブジェクト追跡(MOT)手法で使用されている。 本稿では,精度,モジュール性,実装容易性を保ちながら,特徴抽出のオーバーヘッドを最小限に抑えるための選択的アプローチについて検討する。 我々は、StrongSORTとDeep OC-SORTに適用することで、その効果を実証する。
  論文  参考訳（メタデータ） (2024-09-10T16:14:46Z)
• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで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） (2024-07-19T07:48:45Z)
• Joint Spatial-Temporal and Appearance Modeling with Transformer for Multiple Object Tracking [59.79252390626194]
  本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。 提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-05-31T01:19:18Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)
• Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
  人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。 最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。 ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
  論文  参考訳（メタデータ） (2020-12-21T09:04:27Z)
• Adaptive Exploitation of Pre-trained Deep Convolutional Neural Networks for Robust Visual Tracking [14.627458410954628]
  本稿では,4つのCNNモデルを包括的に分析し,各モデルの最適な特徴マップを決定する。 解析結果を属性辞書として活用することにより,視覚トラッカーの精度とロバスト性を向上させるために,深部特徴の適応的利用を提案する。
  論文  参考訳（メタデータ） (2020-08-29T17:09:43Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
  オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。 そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-16T06:43:11Z)
• RetinaTrack: Online Single Stage Joint Detection and Tracking [22.351109024452462]
  両タスクがミッションクリティカルな自律運転におけるトラッキング・バイ・検出パラダイムに注目した。 本稿では、一般的な単一ステージのRetinaNetアプローチを改良したRetinaTrackと呼ばれる、概念的にシンプルで効率的な検出と追跡のジョイントモデルを提案する。
  論文  参考訳（メタデータ） (2020-03-30T23:46:29Z)

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。