論文の概要: Self-supervised Object Tracking with Cycle-consistent Siamese Networks
- arxiv url: http://arxiv.org/abs/2008.00637v1
- Date: Mon, 3 Aug 2020 04:10:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-11-03 06:34:16.722028
- Title: Self-supervised Object Tracking with Cycle-consistent Siamese Networks
- Title（参考訳）: サイクリング一貫性をもつシームズネットワークを用いた自己教師対象追跡
- Authors: Weihao Yuan, Michael Yu Wang, Qifeng Chen
- Abstract要約: 我々は、オブジェクト追跡のためのサイクル一貫性の自己監視フレームワークにおいて、エンドツーエンドのSiameseネットワークを利用する。
トラッキングフレームワークにシームズ領域の提案とマスク回帰ネットワークを統合することで,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
- 参考スコア（独自算出の注目度）: 55.040249900677225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-supervised learning for visual object tracking possesses valuable
advantages compared to supervised learning, such as the non-necessity of
laborious human annotations and online training. In this work, we exploit an
end-to-end Siamese network in a cycle-consistent self-supervised framework for
object tracking. Self-supervision can be performed by taking advantage of the
cycle consistency in the forward and backward tracking. To better leverage the
end-to-end learning of deep networks, we propose to integrate a Siamese region
proposal and mask regression network in our tracking framework so that a fast
and more accurate tracker can be learned without the annotation of each frame.
The experiments on the VOT dataset for visual object tracking and on the DAVIS
dataset for video object segmentation propagation show that our method
outperforms prior approaches on both tasks.
- Abstract（参考訳）: 視覚的物体追跡のための自己教師型学習は、人間の注記やオンライントレーニングなど、教師型学習に比べて有益である。
本研究では,エンドツーエンドのsiameseネットワークを,オブジェクト追跡のためのサイクル一貫性のある自己教師付きフレームワークとして活用する。
自己スーパービジョンは、前方および後方追跡におけるサイクル一貫性を利用して行うことができる。
ディープ・ネットワークのエンド・ツー・エンド・エンド・ラーニングをよりよく活用するために,トラッキング・フレームワークにSiameseリージョンの提案とマスク回帰ネットワークを統合し,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
映像オブジェクト追跡のためのVOTデータセットとビデオオブジェクト分割伝搬のためのDAVISデータセットを用いた実験により,本手法が両タスクの先行手法より優れていることが示された。
関連論文リスト
- Towards Sequence-Level Training for Visual Tracking [60.95799261482857]
本研究は、強化学習に基づく視覚追跡のためのシーケンスレベルのトレーニング戦略を導入する。
4つの代表的な追跡モデル、SiamRPN++、SiamAttn、TransT、TrDiMPは、提案手法をトレーニングに取り入れることで一貫して改善されている。
論文 参考訳（メタデータ） (2022-08-11T13:15:36Z) - A Bayesian Detect to Track System for Robust Visual Object Tracking and
Semi-Supervised Model Learning [1.7268829007643391]
ニューラルネットワークの出力によってパラメータ化されたベイズ追跡・検出フレームワークにおける副次的問題について述べる。
本稿では,粒子フィルタを用いた物体状態推定のための近似サンプリングアルゴリズムを提案する。
粒子フィルタ推論アルゴリズムを用いて,間欠的なラベル付きフレーム上でのトラッキングネットワークの学習に半教師付き学習アルゴリズムを用いる。
論文 参考訳（メタデータ） (2022-05-05T00:18:57Z) - Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。
トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
論文 参考訳（メタデータ） (2022-04-04T13:39:43Z) - Video Annotation for Visual Tracking via Selection and Refinement [74.08109740917122]
ビデオシーケンスのバウンディングボックスアノテーションを容易にするための新しいフレームワークを提案する。
目標位置の時間的コヒーレンスを捉えることのできる時間的アセスメントネットワークを提案する。
また、選択したトラッキング結果をさらに強化するために、ビジュアルジオメトリ・リファインメント・ネットワークが設計されている。
論文 参考訳（メタデータ） (2021-08-09T05:56:47Z) - Unsupervised Deep Representation Learning for Real-Time Tracking [137.69689503237893]
視覚追跡のための教師なし学習手法を提案する。
教師なし学習の動機は、ロバストなトラッカーが双方向トラッキングに有効であるべきだということです。
我々は,シームズ相関フィルタネットワーク上にフレームワークを構築し,教師なし学習を容易にするために,多フレーム検証方式とコスト感受性損失を提案する。
論文 参考訳（メタデータ） (2020-07-22T08:23:12Z) - Self-supervised Video Object Segmentation [76.83567326586162]
本研究の目的は、半教師付きビデオオブジェクトセグメンテーション(高密度トラッキング)の解決を目的とした自己教師付き表現学習である。
i) 従来の自己教師型アプローチを改善すること、(ii) オンライン適応モジュールによる自己教師型アプローチの強化により、空間的時間的不連続性によるトラッカーのドリフトを緩和すること、(iv) DAVIS-2017とYouTubeの自己教師型アプローチで最先端の結果を示すこと、などが提案されている。
論文 参考訳（メタデータ） (2020-06-22T17:55:59Z) - Unsupervised Multiple Person Tracking using AutoEncoder-Based Lifted
Multicuts [11.72025865314187]
最小限の視覚的特徴とリフトマルチカットに基づく教師なし多重物体追跡手法を提案する。
提案したアノテーションを使わずにトレーニングされているにもかかわらず,我々のモデルは,歩行者追跡のための挑戦的なMOTベンチマークにおいて,競争力のある結果をもたらすことを示した。
論文 参考訳（メタデータ） (2020-02-04T09:42:34Z)
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。