論文の概要: DR^2Track: Towards Real-Time Visual Tracking for UAV via Distractor Repressed Dynamic Regression

• arxiv url: http://arxiv.org/abs/2008.03912v1
• Date: Mon, 10 Aug 2020 06:08:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 23:22:59.311081
• Title: DR^2Track: Towards Real-Time Visual Tracking for UAV via Distractor Repressed Dynamic Regression
• Title（参考訳）: DR^2Track:Distractor Repressed Dynamic RegressionによるUAVのリアルタイムビジュアルトラッキングを目指して
• Authors: Changhong Fu, Fangqiang Ding, Yiming Li, Jin Jin and Chen Feng
• Abstract要約: 本研究では,検出フェーズで生成した応答マップの局所的な最大点を利用して,電流イントラクタの自動検出を行う。 3つの挑戦的なUAVベンチマークで実施された実体実験は、優れた性能と異常な速度の両方を実証している。
• 参考スコア（独自算出の注目度）: 18.044423448896143
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual tracking has yielded promising applications with unmanned aerial vehicle (UAV). In literature, the advanced discriminative correlation filter (DCF) type trackers generally distinguish the foreground from the background with a learned regressor which regresses the implicit circulated samples into a fixed target label. However, the predefined and unchanged regression target results in low robustness and adaptivity to uncertain aerial tracking scenarios. In this work, we exploit the local maximum points of the response map generated in the detection phase to automatically locate current distractors. By repressing the response of distractors in the regressor learning, we can dynamically and adaptively alter our regression target to leverage the tracking robustness as well as adaptivity. Substantial experiments conducted on three challenging UAV benchmarks demonstrate both excellent performance and extraordinary speed (~50fps on a cheap CPU) of our tracker.
• Abstract（参考訳）: 視覚追跡は無人航空機(UAV)に有望な応用をもたらした。 文献において、advanced discriminative correlation filter (dcf) 型トラッカーは、一般的に前景と背景を、暗黙の循環したサンプルを固定されたターゲットラベルに回帰させる学習レグレッサと区別する。 しかし、事前定義され、変化しない回帰ターゲットは、不確実な空中追跡シナリオに対するロバスト性や適応性が低い。 本研究では,検出フェーズで生成された応答マップの局所的最大点を活用し,電流乱れを自動的に検出する。 回帰学習における邪魔者の反応を抑えることで、回帰目標を動的かつ適応的に変更し、追跡ロバスト性と適応性を活用できる。 3つの挑戦的なUAVベンチマークで実施された実質的な実験は、トラッカーの性能と異常な速度(安価なCPUで50fps)の両方を実証している。

関連論文リスト

• Robust Visual Tracking via Iterative Gradient Descent and Threshold Selection [4.978166837959101]
  本稿では, 誤差ベクトルがガウス-ラプラシアン分布に従えば, 良好な性能が得られる新しい線形回帰推定器を提案する。 さらに、IGDTSを生成トラッカーに拡張し、IGDTS距離を適用してサンプルとモデル間のずれを測定する。 いくつかの難解な画像列の実験結果から,提案したトラッカーは既存のトラッカーより優れていた。
  論文  参考訳（メタデータ） (2024-06-02T01:51:09Z)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• Exploring Dynamic Transformer for Efficient Object Tracking [58.120191254379854]
  効率的なトラッキングのための動的トランスフォーマーフレームワークであるDyTrackを提案する。 DyTrackは、様々な入力に対して適切な推論ルートを設定することを学習し、利用可能な計算予算をより活用する。 複数のベンチマークの実験では、DyTrackは単一のモデルで有望な速度精度のトレードオフを実現している。
  論文  参考訳（メタデータ） (2024-03-26T12:31:58Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• AiATrack: Attention in Attention for Transformer Visual Tracking [89.94386868729332]
  トランスフォーマートラッカーは近年,注目機構が重要な役割を担っている,目覚ましい進歩を遂げている。 我々は,すべての相関ベクトル間のコンセンサスを求めることにより,適切な相関性を高め,誤相関を抑制する注意モジュール(AiA)を提案する。 我々のAiAモジュールは自己認識ブロックとクロスアテンションブロックの両方に容易に適用でき、視覚追跡のための特徴集約と情報伝達を容易にする。
  論文  参考訳（メタデータ） (2022-07-20T00:44:03Z)
• Ad2Attack: Adaptive Adversarial Attack on Real-Time UAV Tracking [15.38386172273694]
  本研究は,UAVオブジェクト追跡に対する新たな適応的対角攻撃手法,すなわちAd$2$Attackを提案する。 攻撃の非受容性と効率のバランスをとるために, 新たな最適化関数を提案する。 いくつかのよく知られたベンチマーク実験と実世界の条件実験により,攻撃手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-03T05:00:32Z)
• Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy [63.91005999481061]
  実用的長期トラッカーは、典型的には3つの重要な特性を含む。 効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。 動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。 我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
  論文  参考訳（メタデータ） (2021-04-25T00:59:53Z)
• 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)
• 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)

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。