Fugu-MT 論文翻訳(概要): Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking

論文の概要: Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking

arxiv url: http://arxiv.org/abs/2008.03704v1
Date: Sun, 9 Aug 2020 10:22:52 GMT
ステータス: 処理完了
システム内更新日: 2022-11-01 04:27:28.539611
Title: Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking
Title（参考訳）: リアルタイムuav追跡のための学習一貫性追従相関フィルタ
Authors: Changhong Fu, Xiaoxiao Yang, Fan Li, Juntao Xu, Changjing Liu, and Peng Lu
Abstract要約: 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$43FPS)の他の25の最先端トラッカーを好んで上回っている。
参考スコア（独自算出の注目度）: 12.292672531693794
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Correlation filter (CF)-based methods have demonstrated exceptional performance in visual object tracking for unmanned aerial vehicle (UAV) applications, but suffer from the undesirable boundary effect. To solve this issue, spatially regularized correlation filters (SRDCF) proposes the spatial regularization to penalize filter coefficients, thereby significantly improving the tracking performance. However, the temporal information hidden in the response maps is not considered in SRDCF, which limits the discriminative power and the robustness for accurate tracking. This work proposes a novel approach with dynamic consistency pursued correlation filters, i.e., the CPCF tracker. Specifically, through a correlation operation between adjacent response maps, a practical consistency map is generated to represent the consistency level across frames. By minimizing the difference between the practical and the scheduled ideal consistency map, the consistency level is constrained to maintain temporal smoothness, and rich temporal information contained in response maps is introduced. Besides, a dynamic constraint strategy is proposed to further improve the adaptability of the proposed tracker in complex situations. Comprehensive experiments are conducted on three challenging UAV benchmarks, i.e., UAV123@10FPS, UAVDT, and DTB70. Based on the experimental results, the proposed tracker favorably surpasses the other 25 state-of-the-art trackers with real-time running speed ($\sim$43FPS) on a single CPU.
Abstract（参考訳）: 相関フィルタ(CF)に基づく手法は、無人航空機(UAV)の視覚的物体追跡において例外的な性能を示すが、望ましくない境界効果に悩まされている。この問題を解決するために,空間正規化相関フィルタ(srdcf)は,フィルタ係数をペナライズする空間正規化を提案する。しかし、応答マップに隠された時間情報はsrdcfでは考慮されないため、正確な追跡のための識別能力とロバスト性が制限される。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。具体的には、隣接する応答マップ間の相関操作により、フレーム間の一貫性レベルを表す実用的な一貫性マップを生成する。実用的理想的一貫性マップと計画的理想的一貫性マップとの差を最小化することにより、時間的滑らかさを維持するために一貫性レベルを制約し、応答マップに含まれる豊富な時間情報を導入する。さらに,複雑な状況下でのトラッカーの適応性を向上させるために,動的制約戦略を提案する。包括的な実験は、UAV123@10FPS、UAVDT、DTB70という3つの挑戦的なUAVベンチマークで行われている。実験結果に基づき、提案したトラッカーは、1つのCPU上でのリアルタイムランニング速度($43FPS)の他の25の最先端トラッカーを好んで上回っている。

関連論文リスト

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)
Multi-step Temporal Modeling for UAV Tracking [14.687636301587045]
MT-Track(MT-Track)は,UAV追跡の効率化を目的とした,効率的な多段階時間モデリングフレームワークである。我々はテンプレートと検索領域の特徴間の相互作用を動的に評価するユニークな時間相関モジュールを公表する。トラッキングシーケンスにおける時間的知識をモデル化することにより,過去のフレームと現在のフレームの相関マップを洗練するための相互変換モジュールを提案する。
論文参考訳（メタデータ） (2024-03-07T09:48:13Z)
Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文参考訳（メタデータ） (2022-10-21T07:25:57Z)
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)
MFGNet: Dynamic Modality-Aware Filter Generation for RGB-T Tracking [72.65494220685525]
可視データと熱データ間のメッセージ通信を促進するために,新しい動的モダリティ対応フィルタ生成モジュール(MFGNet)を提案する。我々は、2つの独立ネットワークを持つ動的モダリティ対応フィルタを生成し、その可視フィルタとサーマルフィルタをそれぞれ、対応する入力特徴写像上で動的畳み込み演算を行う。重閉塞,高速移動,外見による問題に対処するため,新たな方向認識型目標誘導型アテンション機構を活用することで,共同で局所的・グローバル検索を行うことを提案する。
論文参考訳（メタデータ） (2021-07-22T03:10:51Z)
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)
Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文参考訳（メタデータ） (2021-03-18T08:47:56Z)
Faster object tracking pipeline for real time tracking [0.0]
マルチオブジェクトトラッキング(MOT)は、視覚ベースのアプリケーションにとって難しい実践的問題である。本稿では,検出に基づく物体追跡手法の高速化に有効な汎用パイプラインについて紹介する。
論文参考訳（メタデータ） (2020-11-08T06:33:48Z)
Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
本稿では,2段階の逐次回帰トラッカーを提案する。第1段階では, 容易に同定可能な負の候補を抽出する。第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
論文参考訳（メタデータ） (2020-06-18T07:48:01Z)
AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization [19.379240684856423]
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。
論文参考訳（メタデータ） (2020-03-29T05:02:25Z)
Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文参考訳（メタデータ） (2020-03-10T00:04:32Z)

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。