論文の概要: A Spatio-temporal Track Association Algorithm Based on Marine Vessel
Automatic Identification System Data
- arxiv url: http://arxiv.org/abs/2010.15921v2
- Date: Thu, 23 Jun 2022 22:04:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 23:29:29.480482
- Title: A Spatio-temporal Track Association Algorithm Based on Marine Vessel
Automatic Identification System Data
- Title（参考訳）: 船舶自動識別システムデータに基づく時空間トラックアソシエーションアルゴリズム
- Authors: Imtiaz Ahmed, Mikyoung Jun, Yu Ding
- Abstract要約: 動的脅威環境でリアルタイムに移動する物体を追跡することは、国家安全保障と監視システムにおいて重要である。
動きの異常パターンを見つけるには、正確なデータアソシエーションアルゴリズムが必要である。
自動識別システムにより船舶の位置と姿勢の観察が収集されるとき, 海上船舶の追跡のための時間的アプローチを開発する。
- 参考スコア（独自算出の注目度）: 5.453186558530502
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Tracking multiple moving objects in real-time in a dynamic threat environment
is an important element in national security and surveillance system. It helps
pinpoint and distinguish potential candidates posing threats from other normal
objects and monitor the anomalous trajectories until intervention. To locate
the anomalous pattern of movements, one needs to have an accurate data
association algorithm that can associate the sequential observations of
locations and motion with the underlying moving objects, and therefore, build
the trajectories of the objects as the objects are moving. In this work, we
develop a spatio-temporal approach for tracking maritime vessels as the
vessel's location and motion observations are collected by an Automatic
Identification System. The proposed approach is developed as an effort to
address a data association challenge in which the number of vessels as well as
the vessel identification are purposely withheld and time gaps are created in
the datasets to mimic the real-life operational complexities under a threat
environment. Three training datasets and five test sets are provided in the
challenge and a set of quantitative performance metrics is devised by the data
challenge organizer for evaluating and comparing resulting methods developed by
participants. When our proposed track association algorithm is applied to the
five test sets, the algorithm scores a very competitive performance.
- Abstract（参考訳）: 動的脅威環境で複数の移動物体をリアルタイムで追跡することは、国家安全保障と監視システムにおいて重要な要素である。
他の正常な物体から脅威を装う候補を特定・識別し、介入まで異常な軌跡を監視するのに役立つ。
動きの異常パターンを見つけるためには、位置や動きの逐次的な観察を下にある移動物体と関連付けることができる正確なデータアソシエーションアルゴリズムが必要である。
本研究では,船舶の位置と動きの観測が自動識別システムによって収集されるため,海上船舶の追跡のための時空間的アプローチを開発する。
提案手法は, 脅威環境下での実際の運用上の複雑さを模倣するために, 船舶数と船舶識別を意図的に保持し, データセット内に時間ギャップを生じさせるデータアソシエーションの課題に対処するために開発された。
課題には3つのトレーニングデータセットと5つのテストセットが提供され、参加者が開発した結果の方法を評価し比較するためのデータチャレンジオーガナイザによって一連の定量的パフォーマンスメトリクスが考案される。
提案するトラックアソシエーションアルゴリズムを5つのテストセットに適用した場合,そのアルゴリズムは非常に競争力が高い。
関連論文リスト
- SeMoLi: What Moves Together Belongs Together [51.72754014130369]
動作手がかりに基づく半教師付き物体検出に挑戦する。
近年,移動物体の擬似ラベルインスタンスに対して,動きに基づくクラスタリング手法が適用可能であることが示唆された。
我々は、このアプローチを再考し、オブジェクト検出とモーションインスパイアされた擬似ラベルの両方が、データ駆動方式で取り組めることを示唆する。
論文 参考訳（メタデータ） (2024-02-29T18:54:53Z) - A CNN-LSTM Architecture for Marine Vessel Track Association Using
Automatic Identification System (AIS) Data [2.094022863940315]
本研究では,トラックアソシエーションのための1次元CNN-LSTMアーキテクチャに基づくフレームワークを提案する。
提案した枠組みは、自動識別システム(AIS)を介して収集された船舶の位置と動きデータを入力とし、最も可能性の高い船舶軌道をリアルタイムで出力として返す。
論文 参考訳（メタデータ） (2023-03-24T15:26:49Z) - Self-Supervised Representation Learning from Temporal Ordering of
Automated Driving Sequences [49.91741677556553]
本研究では、認識タスクのための地域レベルの特徴表現を事前学習するための時間順述前文タスクであるTempOを提案する。
我々は各フレームを、オブジェクト検出やトラッキングシステムにとって自然な表現である、未順序な特徴ベクトルのセットで埋め込む。
BDD100K、nu Images、MOT17データセットの大規模な評価は、私たちのTempO事前学習アプローチがシングルフレームの自己教師型学習方法よりも優れていることを示している。
論文 参考訳（メタデータ） (2023-02-17T18:18:27Z) - Performance Study of YOLOv5 and Faster R-CNN for Autonomous Navigation
around Non-Cooperative Targets [0.0]
本稿では,カメラと機械学習アルゴリズムを組み合わせることで,相対的なナビゲーションを実現する方法について論じる。
高速領域ベース畳み込みニューラルネットワーク(R-CNN)とYou Only Look Once(YOLOv5)の2つのディープラーニングに基づくオブジェクト検出アルゴリズムの性能を検証した。
本稿では, 特徴認識アルゴリズムの実装と, 宇宙船誘導航法制御システムへの統合に向けての道筋について論じる。
論文 参考訳（メタデータ） (2023-01-22T04:53:38Z) - Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。
提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。
提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文 参考訳（メタデータ） (2022-08-12T19:07:20Z) - Real-Time Event-Based Tracking and Detection for Maritime Environments [1.6058099298620423]
イベントカメラは、高速で動くオブジェクトをキャプチャできるため、オブジェクト追跡アプリケーションに最適である。
既存のイベントベースのクラスタリングと、監視とオブジェクト検出のための機能トラッキングアプローチは、ほとんどのケースでうまく機能します。
しかし、海洋環境は、大半を発生させる波の傾向など、ユニークな課題を生んでいる。
論文 参考訳（メタデータ） (2022-02-09T02:30:27Z) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-18T03:40:25Z) - Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for
Online Collision Avoidance [95.86944752753564]
本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。
我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。
本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
論文 参考訳（メタデータ） (2020-07-28T07:34:30Z) - Benchmarking Unsupervised Object Representations for Video Sequences [111.81492107649889]
ViMON, OP3, TBA, SCALORの4つのオブジェクト中心アプローチの知覚能力を比較した。
この結果から,制約のない潜在表現を持つアーキテクチャは,オブジェクト検出やセグメンテーション,トラッキングといった観点から,より強力な表現を学習できる可能性が示唆された。
我々のベンチマークは、より堅牢なオブジェクト中心のビデオ表現を学習するための実りあるガイダンスを提供するかもしれない。
論文 参考訳（メタデータ） (2020-06-12T09:37:24Z) - Any Motion Detector: Learning Class-agnostic Scene Dynamics from a
Sequence of LiDAR Point Clouds [4.640835690336654]
動き検出と動きパラメータ推定のための時間的文脈アグリゲーションの新しいリアルタイム手法を提案する。
本稿では,固有点雲列の固有オドメトリック変換に匹敵する性能で,リアルタイムな推論を実現するためのエゴモーション補償層を提案する。
論文 参考訳（メタデータ） (2020-04-24T10:40:07Z) - Asynchronous Tracking-by-Detection on Adaptive Time Surfaces for
Event-based Object Tracking [87.0297771292994]
本稿では,イベントベースのトラッキング・バイ・ディテクト(ETD)手法を提案する。
この目的を達成するために,線形時間決定(ATSLTD)イベント・ツー・フレーム変換アルゴリズムを用いた適応時間曲面を提案する。
提案手法と,従来のカメラやイベントカメラをベースとした7種類のオブジェクト追跡手法と,ETDの2種類のバリエーションを比較した。
論文 参考訳（メタデータ） (2020-02-13T15:58:31Z)
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。