論文の概要: Online Multi-Object Tracking and Segmentation with GMPHD Filter and Mask-based Affinity Fusion

• arxiv url: http://arxiv.org/abs/2009.00100v2
• Date: Fri, 11 Jun 2021 10:55:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 07:01:33.561448
• Title: Online Multi-Object Tracking and Segmentation with GMPHD Filter and Mask-based Affinity Fusion
• Title（参考訳）: gmphdフィルタとマスクベースアフィニティ融合を用いたオンラインマルチオブジェクトトラッキングとセグメンテーション
• Authors: Young-min Song, Young-chul Yoon, Kwangjin Yoon, Moongu Jeon, Seong-Whan Lee, Witold Pedrycz
• Abstract要約: 本稿では,インスタンス分割結果を入力として利用するMOTS法を提案する。 提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づく。 2つの人気のあるMOTSデータセットの実験では、主要なモジュールがいくつかの改善点を示している。
• 参考スコア（独自算出の注目度）: 79.87371506464454
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we propose a highly practical fully online multi-object tracking and segmentation (MOTS) method that uses instance segmentation results as an input. The proposed method is based on the Gaussian mixture probability hypothesis density (GMPHD) filter, a hierarchical data association (HDA), and a mask-based affinity fusion (MAF) model to achieve high-performance online tracking. The HDA consists of two associations: segment-to-track and track-to-track associations. One affinity, for position and motion, is computed by using the GMPHD filter, and the other affinity, for appearance is computed by using the responses from a single object tracker such as a kernalized correlation filter. These two affinities are simply fused by using a score-level fusion method such as min-max normalization referred to as MAF. In addition, to reduce the number of false positive segments, we adopt mask IoU-based merging (mask merging). The proposed MOTS framework with the key modules: HDA, MAF, and mask merging, is easily extensible to simultaneously track multiple types of objects with CPU only execution in parallel processing. In addition, the developed framework only requires simple parameter tuning unlike many existing MOTS methods that need intensive hyperparameter optimization. In the experiments on the two popular MOTS datasets, the key modules show some improvements. For instance, ID-switch decreases by more than half compared to a baseline method in the training sets. In conclusion, our tracker achieves state-of-the-art MOTS performance in the test sets.
• Abstract（参考訳）: 本稿では,インスタンスセグメンテーション結果を入力として使用する,高度に実用的な完全オンラインマルチオブジェクトトラッキング・セグメンテーション(mots)手法を提案する。 提案手法は,ガウス混合確率仮説密度 (GMPHD) フィルタ,階層型データアソシエーション (HDA) モデル,マスクベース親和性融合 (MAF) モデルに基づいて高速なオンライントラッキングを実現する。 hdaはsegment-to-track と track-to-track associations の2つの協会で構成されている。 位置と動きに対する1つの親和性は、GMPHDフィルタを用いて計算され、もう1つの親和性は、角化相関フィルタのような単一のオブジェクトトラッカーからの応答を用いて計算される。 これら2つの親和性は、MAFと呼ばれるmin-max正規化のようなスコアレベル融合法を用いて簡単に融合される。 さらに,偽陽性セグメント数を削減するため,マスクiouベースのマージ(マスクマージ)を採用する。 HDA、MAF、マスクのマージといった主要なモジュールを備えたMOTSフレームワークは、並列処理でCPUのみを実行する複数のタイプのオブジェクトを同時に追跡することができる。 さらに、開発フレームワークは、高パラメータ最適化を必要とする既存のMOTSメソッドとは異なり、単純なパラメータチューニングしか必要としない。 2つの人気のあるmotsデータセットの実験では、キーモジュールがいくつかの改善を示している。 例えば、トレーニングセットのベースラインメソッドと比較して、idスイッチは半分以上減少する。 その結果,テストセットにおける最新のMOTS性能が得られた。

関連論文リスト

• Bridge the Points: Graph-based Few-shot Segment Anything Semantically [79.1519244940518]
  プレトレーニング技術の最近の進歩により、視覚基礎モデルの能力が向上した。 最近の研究はSAMをFew-shot Semantic segmentation (FSS)に拡張している。 本稿では,グラフ解析に基づく簡易かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T15:02:28Z)
• Building Brain Tumor Segmentation Networks with User-Assisted Filter Estimation and Selection [42.62139206176152]
  複数のFLIM実行から最も関連性の高いフィルタを推定・選択するためのユーザ支援手法であるMulti-Step (MS) FLIMを提案する。 MS-FLIMは第1の畳み込み層にのみ使用され、既にFLIMよりも改善されていることを示している。 We build a simple U-shaped encoder-decoder network, named sU-Net, for glioblastoma segmentation using T1Gd and FLAIR MRI scans。
  論文  参考訳（メタデータ） (2024-03-19T14:11:26Z)
• Filter Pruning for Efficient CNNs via Knowledge-driven Differential Filter Sampler [103.97487121678276]
  フィルタプルーニングは同時に計算を加速し、CNNのメモリオーバーヘッドを低減する。 本稿では,MFM(Masked Filter Modeling)フレームワークを用いた知識駆動型微分フィルタサンプリング(KDFS)を提案する。
  論文  参考訳（メタデータ） (2023-07-01T02:28:41Z)
• Interaction-Aware Labeled Multi-Bernoulli Filter [5.255783459833821]
  RFSに基づくマルチターゲットフィルタの予測ステップにターゲットインタラクションを組み込む新しい手法を提案する。 この手法は、協調した群れと車両を追跡するための2つの実用的な応用のために開発された。
  論文  参考訳（メタデータ） (2022-04-19T04:23:32Z)
• SODAR: Segmenting Objects by DynamicallyAggregating Neighboring Mask Representations [90.8752454643737]
  最近の最先端のワンステージインスタンスセグメンテーションモデルSOLOは、入力画像をグリッドに分割し、完全な畳み込みネットワークを備えたグリッドセルオブジェクトマスクを直接予測する。 我々は,SOLOが近傍の格子セルの物体に対して類似したマスクを生成するのを観察する。 観測されたギャップによってモチベーションを得た学習ベースのアグリゲーション手法を開発し,そのリッチな隣り合う情報を活用してSOLOを改善する。
  論文  参考訳（メタデータ） (2022-02-15T13:53:03Z)
• Segment as Points for Efficient Online Multi-Object Tracking and Segmentation [66.03023110058464]
  本稿では,コンパクトな画像表現を非秩序な2次元点クラウド表現に変換することで,セグメントに基づくインスタンス埋め込みの学習に有効な方法を提案する。 本手法は,画像ではなく,ランダムに選択された点から識別インスタンスの埋め込みを学習する,新たなトラッキング・バイ・ポイントのパラダイムを生成する。 PointTrackという名前のオンラインMOTSフレームワークは、最先端のすべてのメソッドを大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-07-03T08:29:35Z)
• BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation [103.74690082121079]
  本研究では,インスタンスレベルの情報とセマンティックな情報と,低レベルの微細な粒度を効果的に組み合わせることで,マスク予測の改善を実現する。 私たちの主な貢献は、トップダウンとボトムアップの両方のインスタンスセグメンテーションアプローチからインスピレーションを得たブレンダーモジュールです。 BlendMaskは、非常に少ないチャネルで、ピクセルあたりの高密度な位置感受性インスタンス機能を効果的に予測し、単一の畳み込み層で各インスタンスの注意マップを学習することができる。
  論文  参考訳（メタデータ） (2020-01-02T03:30:17Z)

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。