Fugu-MT 論文翻訳(概要): Online Multi-Object Tracking with delta-GLMB Filter based on Occlusion and Identity Switch Handling

論文の概要: Online Multi-Object Tracking with delta-GLMB Filter based on Occlusion and Identity Switch Handling

arxiv url: http://arxiv.org/abs/2011.10111v2
Date: Mon, 26 Apr 2021 08:31:57 GMT
ステータス: 処理完了
システム内更新日: 2022-09-23 21:44:25.969142
Title: Online Multi-Object Tracking with delta-GLMB Filter based on Occlusion and Identity Switch Handling
Title（参考訳）: delta-glmbフィルタを用いたオクルージョンとアイデンティティスイッチハンドリングに基づくオンラインマルチオブジェクトトラッキング
Authors: Mohammadjavad Abbaspour and Mohammad Ali Masnadi-Shirazi
Abstract要約: デルタ一般化ラベル付きマルチベルヌーリ (delta Generalized Labeled Multi-Bernoulli, Delta-GLMB) フィルタフレームワークにおいて, オンラインマルチオブジェクト追跡 (MOT) 手法を提案する。閉塞とミス検出の問題に対処するため,トラックアソシエーション法を提案する。提案手法を,よく知られたMOT15およびMOT17テストデータセット上で評価する。
参考スコア（独自算出の注目度）: 1.713291434132985
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper, we propose an online multi-object tracking (MOT) method in a delta Generalized Labeled Multi-Bernoulli (delta-GLMB) filter framework to address occlusion and miss-detection issues, reduce false alarms, and recover identity switch (ID switch). To handle occlusion and miss-detection issues, we propose a measurement-to-disappeared track association method based on one-step delta-GLMB filter, so it is possible to manage these difficulties by jointly processing occluded or miss-detected objects. This part of proposed method is based on a proposed similarity metric which is responsible for defining the weight of hypothesized reappeared tracks. We also extend the delta-GLMB filter to efficiently recover switched IDs using the cardinality density, size and color features of the hypothesized tracks. We also propose a novel birth model to achieve more effective clutter removal performance. In both occlusion/miss-detection handler and newly-birthed object detector sections of the proposed method, unassigned measurements play a significant role, since they are used as the candidates for reappeared or birth objects. In addition, we perform an ablation study which confirms the effectiveness of our contributions in comparison with the baseline method. We evaluate the proposed method on well-known and publicly available MOT15 and MOT17 test datasets which are focused on pedestrian tracking. Experimental results show that the proposed tracker performs better or at least at the same level of the state-of-the-art online and offline MOT methods. It effectively handles the occlusion and ID switch issues and reduces false alarms as well.
Abstract（参考訳）: 本稿では,デルタ一般化ラベル付きマルチベルヌーリ(delta Generalized Labeled Multi-Bernoulli, Delta-GLMB)フィルタフレームワークにおけるオンラインマルチオブジェクト追跡(MOT)手法を提案する。咬合・ミス検出問題に対処するために,一段階のデルタグレーンフィルタを用いた計測から解答までのトラックアソシエーション法を提案する。提案手法は,仮定された再出現トラックの重み付けに責任を持つ類似度測定値に基づく。また、デルタ-GLMBフィルタを拡張して、仮定されたトラックの濃度密度、サイズ、色特徴を用いて、スイッチングされたIDを効率よく回収する。また,より効果的なクラッタ除去性能を実現するための新しい出生モデルを提案する。提案手法では, 咬合・ミス検出ハンドラと新たに誕生した物体検出セクションの両方において, 再出現や出生の候補として無割当な測定が重要な役割を果たす。また,本研究はベースライン法と比較し,提案手法の有効性を確認したアブレーション研究を行う。歩行者追跡に焦点を当てたMOT15およびMOT17テストデータセットについて,提案手法の評価を行った。実験結果から,提案トラッカーはオンラインおよびオフラインMOT手法と同等以上の性能を示した。隠蔽とIDスイッチの問題を効果的に処理し、誤報を低減します。

関連論文リスト

Visual Multi-Object Tracking with Re-Identification and Occlusion Handling using Labeled Random Finite Sets [10.618186767487993]
本稿では、オブジェクトの出現と隠蔽を解消するオンライン視覚多目的追跡(MOT)アルゴリズムを提案する。我々の解は、ラベル付きランダム有限集合 (LRFS) フィルタリングアプローチに基づいている。本稿では,トラックの重なり合う部分とそのサイズを考慮したファジィ検出モデルを提案する。
論文参考訳（メタデータ） (2024-07-11T21:15:21Z)
OccluTrack: Rethinking Awareness of Occlusion for Enhancing Multiple Pedestrian Tracking [7.964206483424679]
既存の手法では, 閉塞による不正確な動作推定, 外観特徴抽出, 関連性に悩まされている。本研究は, 明瞭な動作推定, 信頼性のある外観特徴, 閉塞シーンにおける公正な関連性について考察する。具体的には,アダプティブ・オクルージョンを意識した複数歩行者トラッカーOccluTrackを提案する。
論文参考訳（メタデータ） (2023-09-19T06:43:18Z)
DeNoising-MOT: Towards Multiple Object Tracking with Severe Occlusions [52.63323657077447]
DNMOTは、複数のオブジェクト追跡のためのエンドツーエンドのトレーニング可能なDeNoising Transformerである。具体的には、トレーニング中にノイズを伴って軌道を拡大し、エンコーダ・デコーダアーキテクチャのデノイング過程をモデルに学習させる。我々はMOT17,MOT20,DanceTrackのデータセットについて広範な実験を行い,実験結果から,提案手法が従来の最先端手法よりも明確なマージンで優れていることが示された。
論文参考訳（メタデータ） (2023-09-09T04:40:01Z)
Occlusion-Aware Detection and Re-ID Calibrated Network for Multi-Object Tracking [38.36872739816151]
検出器内のOAA(Occlusion-Aware Attention)モジュールは、隠蔽された背景領域を抑えながらオブジェクトの特徴を強調する。 OAAは、隠蔽される可能性のある物体の検出器を強化する変調器として機能する。最適輸送問題に基づくRe-ID埋め込みマッチングブロックを設計する。
論文参考訳（メタデータ） (2023-08-30T06:56:53Z)
SparseTrack: Multi-Object Tracking by Performing Scene Decomposition based on Pseudo-Depth [84.64121608109087]
2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
論文参考訳（メタデータ） (2023-06-08T14:36:10Z)
CAMO-MOT: Combined Appearance-Motion Optimization for 3D Multi-Object Tracking with Camera-LiDAR Fusion [34.42289908350286]
3D Multi-object Track (MOT) は、連続的な動的検出時の一貫性を保証する。 LiDAR法で物体の不規則な動きを正確に追跡することは困難である。複合外観運動最適化(CAMO-MOT)に基づく新しいカメラ-LiDAR融合3DMOTフレームワークを提案する。
論文参考訳（メタデータ） (2022-09-06T14:41:38Z)
Semi-Supervised Temporal Action Detection with Proposal-Free Masking [134.26292288193298]
PropOsal-free Temporal mask (SPOT) に基づく新しい半教師付き時間行動検出モデルを提案する。 SPOTは最先端の代替品よりも優れている。
論文参考訳（メタデータ） (2022-07-14T16:58:47Z)
A Free Lunch to Person Re-identification: Learning from Automatically Generated Noisy Tracklets [52.30547023041587]
非教師付きビデオベース再識別(re-ID)手法は、re-IDデータセットのアノテートに必要な高コストの問題を解決するために提案されている。しかし、彼らのパフォーマンスは監督対象よりもはるかに低い。本稿では,自動生成人追跡装置から再IDモデルを学習することで,この問題に対処することを提案する。
論文参考訳（メタデータ） (2022-04-02T16:18:13Z)
RelationTrack: Relation-aware Multiple Object Tracking with Decoupled Representation [3.356734463419838]
既存のオンラインマルチオブジェクトトラッキング(MOT)アルゴリズムは、しばしば2つのサブタスク、検出および再識別(ReID)で構成されています。推論速度を高め、複雑さを減らすために、現在のメソッドは一般的にこれらの二重サブタスクを統一されたフレームワークに統合します。学習した表現を検出特異的およびReID固有の埋め込みに分離するGlobal Context Disentangling(GCD)というモジュールを考案した。この制約を解決するために,トランスコーダの強力な推論能力と変形可能な注意を組み合わせることで,誘導トランス(gte)と呼ばれるモジュールを開発した。
論文参考訳（メタデータ） (2021-05-10T13:00:40Z)
MRDet: A Multi-Head Network for Accurate Oriented Object Detection in Aerial Images [51.227489316673484]
水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
論文参考訳（メタデータ） (2020-12-24T06:36:48Z)
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。