論文の概要: Siamese Anchor Proposal Network for High-Speed Aerial Tracking

• arxiv url: http://arxiv.org/abs/2012.10706v3
• Date: Fri, 26 Mar 2021 02:10:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-01 11:11:02.857890
• Title: Siamese Anchor Proposal Network for High-Speed Aerial Tracking
• Title（参考訳）: siamese anchor proposal network for high-speed aerial tracking
• Authors: Changhong Fu, Ziang Cao, Yiming Li, Junjie Ye and Chen Feng
• Abstract要約: 本研究では,2段階のシームズネットワークを用いた空中追跡手法を提案する。 当社のフレームワークは,ステージ2の洗練により,パフォーマンスが向上しています。 3つのベンチマーク実験により,200フレーム/秒程度の速度で,我々のアプローチの優れた性能が証明された。
• 参考スコア（独自算出の注目度）: 10.606423891527795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the domain of visual tracking, most deep learning-based trackers highlight the accuracy but casting aside efficiency. Therefore, their real-world deployment on mobile platforms like the unmanned aerial vehicle (UAV) is impeded. In this work, a novel two-stage Siamese network-based method is proposed for aerial tracking, i.e., stage-1 for high-quality anchor proposal generation, stage-2 for refining the anchor proposal. Different from anchor-based methods with numerous pre-defined fixed-sized anchors, our no-prior method can 1) increase the robustness and generalization to different objects with various sizes, especially to small, occluded, and fast-moving objects, under complex scenarios in light of the adaptive anchor generation, 2) make calculation feasible due to the substantial decrease of anchor numbers. In addition, compared to anchor-free methods, our framework has better performance owing to refinement at stage-2. Comprehensive experiments on three benchmarks have proven the superior performance of our approach, with a speed of around 200 frames/s.
• Abstract（参考訳）: 視覚的トラッキングの分野では、ほとんどのディープラーニングベースのトラッカーは、正確さを強調しながら効率を犠牲にしている。 そのため、無人航空機(UAV)のようなモバイルプラットフォームへの実際の展開は妨げられている。 本研究は, 高度アンカー提案生成のためのステージ1, アンカー提案の精製のためのステージ2という, 空中追跡のための新しい2段階シームズネットワーク方式を提案する。 既定の固定サイズのアンカーが多数存在するアンカー法と異なり,本手法では,1)様々な大きさの異なる物体に対して,特に適応アンカー生成に照らして複雑なシナリオ下で,ロバスト性や一般化性が向上する,2)アンカー数が大幅に減少することによる計算が可能となる。 さらに,アンカーフリーメソッドと比較して,ステージ2の改良により性能が向上した。 3つのベンチマークに関する総合的な実験は、約200フレーム/秒の速度で、我々のアプローチの優れた性能を証明した。

関連論文リスト

• Rethinking Lightweight Salient Object Detection via Network Depth-Width Tradeoff [26.566339984225756]
  既存の有能なオブジェクト検出手法では、より深いネットワークが採用され、性能が向上する。 本稿では,U字形構造を3つの相補枝に分解することで,新しい3方向デコーダフレームワークを提案する。 提案手法は,5つのベンチマークにおいて効率と精度のバランスが良くなることを示す。
  論文  参考訳（メタデータ） (2023-01-17T03:43:25Z)
• AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
  本稿では,AdaStereoというドメイン適応型アプローチを提案する。 我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。 提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
  論文  参考訳（メタデータ） (2021-12-09T15:10:47Z)
• Activation to Saliency: Forming High-Quality Labels for Unsupervised Salient Object Detection [54.92703325989853]
  本稿では,高品質なサリエンシキューを効果的に生成する2段階アクティベーション・ツー・サリエンシ(A2S)フレームワークを提案する。 トレーニングプロセス全体において、私たちのフレームワークにヒューマンアノテーションは関与していません。 本フレームワークは,既存のUSOD法と比較して高い性能を示した。
  論文  参考訳（メタデータ） (2021-12-07T11:54:06Z)
• Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
  パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。 この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。 本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
  論文  参考訳（メタデータ） (2021-09-01T07:01:33Z)
• Enhancing Object Detection for Autonomous Driving by Optimizing Anchor Generation and Addressing Class Imbalance [0.0]
  本研究では,より高速なR-CNNに基づく拡張型2次元物体検出器を提案する。 より高速なr-cnnに対する修正は計算コストを増加させず、他のアンカーベースの検出フレームワークを最適化するために容易に拡張できる。
  論文  参考訳（メタデータ） (2021-04-08T16:58:31Z)
• Learning Salient Boundary Feature for Anchor-free Temporal Action Localization [81.55295042558409]
  時間的行動のローカライゼーションはビデオ理解において重要な課題である。 純粋にアンカーフリーな時間的定位法を初めて提案する。 このモデルには,(i)エンドツーエンドのトレーニング可能な基本予測器,(ii)サリエンシベースのリファインメントモジュール,(iii)いくつかの一貫性制約が含まれている。
  論文  参考訳（メタデータ） (2021-03-24T12:28:32Z)
• Anchor-Free Person Search [127.88668724345195]
  パーソンサーチ(person search)は、クエリーの人物を同時にローカライズし、特定することを目的としている。 既存の作品の多くはfaster-rcnnのような2段検出器を採用しており、精度は高いが計算オーバーヘッドは高い。 この課題に効率的に取り組む最初のアンカーフリーフレームワークであるFeature-Aligned Person Search Network(AlignPS)を紹介します。
  論文  参考訳（メタデータ） (2021-03-22T07:04:29Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)
• AABO: Adaptive Anchor Box Optimization for Object Detection via Bayesian Sub-sampling [45.234059749103444]
  オブジェクト検出のためのアンカーボックスを自動的に最適化する問題について検討する。 まず, 信頼度の高い物体検出システムにおいて, アンカー数, アンカースケール, 比率が重要な要因であることを示す。 本稿では,あるデータセットに対してより適切なアンカーボックスを決定するために,AABOという新しいパラメータ最適化手法を提案する。
  論文  参考訳（メタデータ） (2020-07-18T05:44:26Z)

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。