論文の概要: Correlation filter tracking with adaptive proposal selection for accurate scale estimation

• arxiv url: http://arxiv.org/abs/2007.07018v1
• Date: Tue, 14 Jul 2020 13:16:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 14:50:21.015173
• Title: Correlation filter tracking with adaptive proposal selection for accurate scale estimation
• Title（参考訳）: 高精度スケール推定のための適応的提案選択による相関フィルタ追跡
• Authors: Luo Xiong, Yanjie Liang, Yan Yan, Hanzi Wang
• Abstract要約: 本稿では,少数の高品質な提案を生成できる適応型提案選択アルゴリズムを提案する。 2つのベンチマークデータセットの実験では、提案アルゴリズムがいくつかの最先端トラッカーに対して好適に動作することを示した。
• 参考スコア（独自算出の注目度）: 29.212854268141704
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, some correlation filter based trackers with detection proposals have achieved state-of-the-art tracking results. However, a large number of redundant proposals given by the proposal generator may degrade the performance and speed of these trackers. In this paper, we propose an adaptive proposal selection algorithm which can generate a small number of high-quality proposals to handle the problem of scale variations for visual object tracking. Specifically, we firstly utilize the color histograms in the HSV color space to represent the instances (i.e., the initial target in the first frame and the predicted target in the previous frame) and proposals. Then, an adaptive strategy based on the color similarity is formulated to select high-quality proposals. We further integrate the proposed adaptive proposal selection algorithm with coarse-to-fine deep features to validate the generalization and efficiency of the proposed tracker. Experiments on two benchmark datasets demonstrate that the proposed algorithm performs favorably against several state-of-the-art trackers.
• Abstract（参考訳）: 近年,相関フィルタを用いた検出手法が最先端の追跡結果を達成している。 しかし、提案生成器によって与えられる多くの冗長な提案は、これらのトラッカーの性能と速度を低下させる可能性がある。 本稿では,視覚物体追跡のためのスケール変動問題に対処するために,少数の高品質提案を生成できる適応型提案選択アルゴリズムを提案する。 具体的には、まず、HSV色空間における色ヒストグラムを用いて、インスタンス(例えば、最初のフレームにおける初期ターゲットと、前のフレームにおける予測ターゲット)と提案を行う。 そして、色相似性に基づく適応戦略を定式化し、高品質の提案を選択する。 さらに,提案する適応型提案選択アルゴリズムを細かな深層特徴と統合することで,トラッカの一般化と効率性を検証する。 2つのベンチマークデータセットの実験では、提案アルゴリズムがいくつかの最先端トラッカーに対して好適に動作することを示した。

関連論文リスト

• An incremental preference elicitation-based approach to learning potentially non-monotonic preferences in multi-criteria sorting [53.36437745983783]
  まず最適化モデルを構築し,非単調な選好をモデル化する。 本稿では,情報量測定手法と質問選択戦略を考案し,各イテレーションにおいて最も情報に富む選択肢を特定する。 2つのインクリメンタルな選好に基づくアルゴリズムは、潜在的に単調な選好を学習するために開発された。
  論文  参考訳（メタデータ） (2024-09-04T14:36:20Z)
• Fast Empirical Scenarios [0.0]
  サンプルモーメントと整合した大規模パネルデータから代表シナリオを抽出する。 2つの新しいアルゴリズムのうち、最初に観測されていないシナリオを識別する。 第2の提案は、すでに実現した世界の状態から重要なデータポイントを選択する。
  論文  参考訳（メタデータ） (2023-07-08T07:58:53Z)
• Dense Hybrid Proposal Modulation for Lane Detection [72.49084826234363]
  レーン検出のための高密度ハイブリッド提案変調(DHPM)法を提案する。 我々は、トポロジカルかつ空間的に高品質なレーン予測を生成するために、全ての提案を密に調整する。 我々のDHPMは4つの人気のあるデータセットで非常に競争力のある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） (2023-04-28T14:31:11Z)
• AcroFOD: An Adaptive Method for Cross-domain Few-shot Object Detection [59.10314662986463]
  クロスドメインの少数ショットオブジェクト検出は、いくつかの注釈付きターゲットデータで対象ドメイン内のオブジェクト検出器を適応することを目的としている。 提案手法は,複数のベンチマーク上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-09-22T10:23:40Z)
• Contrastive Proposal Extension with LSTM Network for Weakly Supervised Object Detection [52.86681130880647]
  画像レベルのラベルしか使用せず、膨大なアノテーションコストを節約できるため、WSOD (Weakly supervised Object Detection) が注目されている。 本稿では,初期提案と拡張提案を比較して,初期提案を最適化する手法を提案する。 PASCAL VOC 2007 と VOC 2012 と MS-COCO のデータセットを用いた実験により,本手法は最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-10-14T16:31:57Z)
• Adaptive Proposal Generation Network for Temporal Sentence Localization in Videos [58.83440885457272]
  ビデオ(TSLV)における時間文ローカライゼーションの問題に対処する。 従来のメソッドは、事前に定義されたセグメントの提案でターゲットセグメントをローカライズするトップダウンフレームワークに従っている。 本稿では,効率を向上しつつセグメントレベルの相互作用を維持するための適応提案生成ネットワーク(APGN)を提案する。
  論文  参考訳（メタデータ） (2021-09-14T02:02:36Z)
• Distributed Adaptive Nearest Neighbor Classifier: Algorithm and Theory [6.696267547013535]
  そこで本研究では,データ駆動基準によりパラメータ選択された,近接する隣人の数がパラメータとなる分散適応型NN分類器を提案する。 有限標本性能を向上する最適チューニングパラメータを探索する際,早期停止規則を提案する。 特に、サブサンプルサイズが十分に大きい場合、提案した分類器がほぼ最適な収束率を達成することを示す。
  論文  参考訳（メタデータ） (2021-05-20T14:38:41Z)
• Learning a Proposal Classifier for Multiple Object Tracking [36.67900094433032]
  提案生成,提案スコア,軌道推論のパラダイムをアフィニティグラフ上でモデル化する,新しい提案ベースの学習可能なフレームワークを提案する。 提案手法は,従来の2つの公開ベンチマークにおいて,MOTAとIDF1の両性能改善を実現することを実験的に実証した。
  論文  参考訳（メタデータ） (2021-03-14T10:46:54Z)
• CRACT: Cascaded Regression-Align-Classification for Robust Visual Tracking [97.84109669027225]
  改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。 CRACは多くのベンチマークで最先端のパフォーマンスを得る。 OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
  論文  参考訳（メタデータ） (2020-11-25T02:18:33Z)

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。