論文の概要: CRACT: Cascaded Regression-Align-Classification for Robust Visual
Tracking
- arxiv url: http://arxiv.org/abs/2011.12483v1
- Date: Wed, 25 Nov 2020 02:18:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 02:57:25.003671
- Title: CRACT: Cascaded Regression-Align-Classification for Robust Visual
Tracking
- Title（参考訳）: CRACT:ロバストな視覚追跡のためのカスケード回帰アライメント
- Authors: Heng Fan, Haibin Ling
- Abstract要約: 改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。
CRACは多くのベンチマークで最先端のパフォーマンスを得る。
OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
- 参考スコア（独自算出の注目度）: 97.84109669027225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High quality object proposals are crucial in visual tracking algorithms that
utilize region proposal network (RPN). Refinement of these proposals, typically
by box regression and classification in parallel, has been popularly adopted to
boost tracking performance. However, it still meets problems when dealing with
complex and dynamic background. Thus motivated, in this paper we introduce an
improved proposal refinement module, Cascaded Regression-Align-Classification
(CRAC), which yields new state-of-the-art performances on many benchmarks.
First, having observed that the offsets from box regression can serve as
guidance for proposal feature refinement, we design CRAC as a cascade of box
regression, feature alignment and box classification. The key is to bridge box
regression and classification via an alignment step, which leads to more
accurate features for proposal classification with improved robustness. To
address the variation in object appearance, we introduce an
identification-discrimination component for box classification, which leverages
offline reliable fine-grained template and online rich background information
to distinguish the target from background. Moreover, we present pyramid
RoIAlign that benefits CRAC by exploiting both the local and global cues of
proposals. During inference, tracking proceeds by ranking all refined proposals
and selecting the best one. In experiments on seven benchmarks including
OTB-2015, UAV123, NfS, VOT-2018, TrackingNet, GOT-10k and LaSOT, our CRACT
exhibits very promising results in comparison with state-of-the-art competitors
and runs in real-time.
- Abstract（参考訳）: 高品質なオブジェクト提案は、地域提案ネットワーク(RPN)を利用した視覚追跡アルゴリズムにおいて重要である。
これらの提案のリファインメントは、通常、ボックス回帰とパラレルな分類によって、追跡性能を高めるために広く採用されている。
しかし、複雑な動的背景を扱う際にはまだ問題が発生する。
そこで本研究では,改良された提案改良モジュールであるCascaded Regression-Align-Classification (CRAC)を導入する。
まず,ボックスレグレッションからのオフセットが提案機能改善のガイダンスとなることを観測し,ボックスレグレッション,機能アライメント,ボックス分類のカスケードとしてcracを設計した。
鍵となるのは、アライメントステップを通じてボックスの回帰と分類をブリッジすることであり、ロバスト性を改善した提案分類のためのより正確な特徴をもたらす。
オブジェクトの外観の変動に対処するために,オフラインで信頼性の高い微粒化テンプレートとオンラインのリッチな背景情報を活用するボックス分類のための識別識別コンポーネントを導入する。
さらに、ローカルおよびグローバルな提案方法の両方を活用することでCRACの恩恵を受けるピラミッドRoIAlignを提案する。
推論の間、追跡はすべての洗練された提案をランク付けし、最良の提案を選択することで進行する。
OTB-2015, UAV123, NfS, VOT-2018, TrackingNet, GOT-10k, LaSOTを含む7つのベンチマークの実験において、私たちのCRACTは最先端の競合相手と比較して非常に有望な結果を示し、リアルタイムで実行しています。
関連論文リスト
- DPAN: Dynamic Preference-based and Attribute-aware Network for Relevant
Recommendations [3.4947076558586967]
そこで本稿では,Click-Through Rate (CTR) を予測するために,Dynamic Preference-based and Attribute-aware Network (DPAN) と呼ばれる新しい手法を提案する。
DPANは、当社のeコマースプラットフォームに、関連するレコメンデーションのための主要なトラフィックを提供するために、うまくデプロイされています。
論文 参考訳（メタデータ） (2023-08-21T07:26:09Z) - Learning Dynamic Compact Memory Embedding for Deformable Visual Object
Tracking [82.34356879078955]
本稿では,セグメント化に基づく変形可能な視覚追跡手法の識別を強化するために,コンパクトなメモリ埋め込みを提案する。
DAVIS 2017ベンチマークでは,D3SやSiamMaskなどのセグメンテーションベースのトラッカーよりも優れている。
論文 参考訳（メタデータ） (2021-11-23T03:07:12Z) - Open-Set Recognition: A Good Closed-Set Classifier is All You Need [146.6814176602689]
分類器が「ゼロ・オブ・ア・ア・ア・ベ」決定を行う能力は、閉集合クラスにおける精度と高い相関関係があることが示される。
この相関を利用して、閉セット精度を向上させることにより、クロスエントロピーOSR'ベースライン'の性能を向上させる。
また、セマンティックノベルティを検出するタスクをより尊重する新しいベンチマークを構築した。
論文 参考訳（メタデータ） (2021-10-12T17:58:59Z) - SiamRCR: Reciprocal Classification and Regression for Visual Object
Tracking [47.647615772027606]
そこで我々は,SiamRCRと呼ばれる新しいサイムズ追跡アルゴリズムを提案し,この問題をシンプルで軽量で効果的な解で解決する。
分類と回帰枝の間の相互リンクを構築し、各正のサンプルに対する損失を動的に再重み付けすることができる。
さらに、位置推定の精度を予測するために、位置推定ブランチを追加し、推論中に回帰補助リンクの置換として機能できるようにします。
論文 参考訳（メタデータ） (2021-05-24T12:21:25Z) - Adversarial Feature Augmentation and Normalization for Visual
Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。
本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。
代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文 参考訳（メタデータ） (2021-03-22T20:36:34Z) - 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)
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。