論文の概要: Use of Bayesian Nonparametric methods for Estimating the Measurements in
High Clutter
- arxiv url: http://arxiv.org/abs/2012.09785v1
- Date: Mon, 30 Nov 2020 18:32:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-06 23:03:09.015512
- Title: Use of Bayesian Nonparametric methods for Estimating the Measurements in
High Clutter
- Title(参考訳): ハイクラッタにおけるベイズ非パラメトリック法による測定値の推定
- Authors: Bahman Moraffah, Christ Richmond, Raha Moraffah, and Antonia
Papandreou-Suppappola
- Abstract要約: 本研究では,複数のセンサ計測をモデル化し,移動目標の追跡を高精度に行うためのロバストな生成手法を提案する。
我々は、目標と乱れの測定の結合事前分布を構築するために、ジョイントベイズ非パラメトリックモデルを用いている。
提案するフレームワークの追跡性能と有効性は,高いクラッタ測定を抑えることにより向上することを示す。
- 参考スコア(独自算出の注目度): 4.547548797433131
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robust tracking of a target in a clutter environment is an important and
challenging task. In recent years, the nearest neighbor methods and
probabilistic data association filters were proposed. However, the performance
of these methods diminishes as the number of measurements increases. In this
paper, we propose a robust generative approach to effectively model multiple
sensor measurements for tracking a moving target in an environment with high
clutter. We assume a time-dependent number of measurements that include sensor
observations with unknown origin, some of which may only contain clutter with
no additional information. We robustly and accurately estimate the trajectory
of the moving target in a high clutter environment with an unknown number of
clutters by employing Bayesian nonparametric modeling. In particular, we employ
a class of joint Bayesian nonparametric models to construct the joint prior
distribution of target and clutter measurements such that the conditional
distributions follow a Dirichlet process. The marginalized Dirichlet process
prior of the target measurements is then used in a Bayesian tracker to estimate
the dynamically-varying target state. We show through experiments that the
tracking performance and effectiveness of our proposed framework are increased
by suppressing high clutter measurements. In addition, we show that our
proposed method outperforms existing methods such as nearest neighbor and
probability data association filters.
- Abstract(参考訳): 乱雑な環境における標的のロバストな追跡は重要かつ困難な課題である。
近年,最寄りの手法と確率的データアソシエーションフィルタが提案されている。
しかし,測定回数の増加に伴い,これらの手法の性能は低下する。
本稿では,マルチセンサ計測を効果的にモデル化し,高クラッタ環境下での移動目標を追跡するためのロバスト生成手法を提案する。
我々は、未知の起源を持つセンサによる観測を含む、時間に依存した測定数を仮定する。
ベイズ非パラメトリックモデルを用いて, 未知数のクラッタを有する高クラッタ環境における移動目標の軌跡をロバストかつ高精度に推定する。
特に, 条件分布がディリクレ過程に従うように, 目標およびクラッタ測定の合同事前分布を構成するために, ジョイントベイズ非パラメトリックモデルを用いた。
目標測定に先立って辺縁化されたディリクレプロセスはベイズトラッカーで動的に変化する目標状態を推定するために使用される。
提案するフレームワークの追跡性能と有効性は,高いクラッタ測定を抑えることにより向上することを示す。
さらに, 提案手法は, 隣り合うフィルタや確率データアソシエーションフィルタなどの既存手法よりも優れていることを示す。
関連論文リスト
- A Bayesian Approach Toward Robust Multidimensional Ellipsoid-Specific Fitting [0.0]
本研究は, ノイズおよび外周波の汚染における散乱データに多次元楕円体を適合させる, 新規で効果的な方法を提案する。
楕円体領域内でのプリミティブパラメータの探索を制約するために、均一な事前分布を組み込む。
本研究では, 顕微鏡細胞計数, 3次元再構成, 幾何学的形状近似, 磁力計の校正タスクなど, 幅広い応用に応用する。
論文 参考訳(メタデータ) (2024-07-27T14:31:51Z) - 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) - Joint Metrics Matter: A Better Standard for Trajectory Forecasting [67.1375677218281]
マルチモーダル・トラジェクトリ・予測法 : シングルエージェント・メトリクス(マージナル・メトリクス)を用いた評価
余分な指標にのみ注目することは、グループとして明確に一緒に歩いている人々のために、軌跡の衝突や軌跡のばらつきといった、不自然な予測につながる可能性がある。
本稿では,JADE,JFDE,衝突速度といったマルチエージェントメトリクス(ジョイントメトリクス)に関して,最先端トラジェクトリ予測手法の総合評価を行った。
論文 参考訳(メタデータ) (2023-05-10T16:27:55Z) - Mutual Wasserstein Discrepancy Minimization for Sequential
Recommendation [82.0801585843835]
逐次リコメンデーションのためのMutual WasserStein差分最小化MSteinに基づく新しい自己教師型学習フレームワークを提案する。
また,ワッサーシュタイン離散度測定に基づく新しい学習損失を提案する。
論文 参考訳(メタデータ) (2023-01-28T13:38:48Z) - Forecasting from LiDAR via Future Object Detection [47.11167997187244]
そこで本研究では,センサの生計測に基づく検出と動作予測のためのエンドツーエンドアプローチを提案する。
未来と現在の場所を多対一でリンクすることで、我々のアプローチは複数の未来を推論することができる。
論文 参考訳(メタデータ) (2022-03-30T13:40:28Z) - Trajectory Forecasting from Detection with Uncertainty-Aware Motion
Encoding [121.66374635092097]
物体検出と追跡から得られる軌道は、必然的にうるさい。
本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
論文 参考訳(メタデータ) (2022-02-03T09:09:56Z) - A New Adaptive Noise Covariance Matrices Estimation and Filtering
Method: Application to Multi-Object Tracking [6.571006663689735]
カルマンフィルタは物体追跡に広く使われており、一般にプロセスと測定ノイズは正確に知られ、一定であると考えられている。
本稿では,Kalmanフィルタプロセスとノイズ共分散行列をオンラインで推定するための新しい推定補正閉ループ推定法を提案する。
論文 参考訳(メタデータ) (2021-12-20T03:11:48Z) - Noise-Resistant Deep Metric Learning with Probabilistic Instance
Filtering [59.286567680389766]
ノイズラベルは現実世界のデータによく見られ、ディープニューラルネットワークの性能劣化を引き起こす。
DMLのための確率的ランク付けに基づくメモリを用いたインスタンス選択(PRISM)手法を提案する。
PRISMはラベルがクリーンである確率を計算し、潜在的にノイズの多いサンプルをフィルタリングする。
論文 参考訳(メタデータ) (2021-08-03T12:15:25Z) - Bayesian nonparametric modeling for predicting dynamic dependencies in
multiple object tracking [1.8275108630751837]
本稿では,複数の物体の追跡における問題に対処するためにベイズ的非パラメトリック手法を用いる。
本稿では,依存するディリクレとピットマン・ヤールのプロセスを用いて,複数のパラメータ状態のモデル化を提案する。
これらの非パラメトリックモデルは、既存の手法と比較して、より柔軟で堅牢であることが示されている。
論文 参考訳(メタデータ) (2020-04-22T19:07:35Z) - Variational Inference with Parameter Learning Applied to Vehicle
Trajectory Estimation [20.41604350878599]
雑音測定のみを用いたガウス変分推論におけるパラメータ学習について述べる。
我々はライダーを用いた自動車による36kmのデータセットを用いて高精細マップに対するローカライズを行う手法を実証した。
論文 参考訳(メタデータ) (2020-03-21T19:48:07Z)
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。