論文の概要: Multi-object Tracking with a Hierarchical Single-branch Network
- arxiv url: http://arxiv.org/abs/2101.01984v1
- Date: Wed, 6 Jan 2021 12:14:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-11 05:09:19.013873
- Title: Multi-object Tracking with a Hierarchical Single-branch Network
- Title（参考訳）: 階層型シングルブランチネットワークによるマルチオブジェクトトラッキング
- Authors: Fan Wang, Lei Luo, En Zhu, Siwei Wang, Jun Long
- Abstract要約: 階層的な単一ブランチネットワークに基づくオンライン多目的追跡フレームワークを提案する。
新たなiHOIM損失関数は,2つのサブタスクの目的を統一し,より優れた検出性能を実現する。
MOT16とMOT20データセットの実験結果から,最先端のトラッキング性能が達成できた。
- 参考スコア（独自算出の注目度）: 31.680667324595557
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent Multiple Object Tracking (MOT) methods have gradually attempted to
integrate object detection and instance re-identification (Re-ID) into a united
network to form a one-stage solution. Typically, these methods use two
separated branches within a single network to accomplish detection and Re-ID
respectively without studying the inter-relationship between them, which
inevitably impedes the tracking performance. In this paper, we propose an
online multi-object tracking framework based on a hierarchical single-branch
network to solve this problem. Specifically, the proposed single-branch network
utilizes an improved Hierarchical Online In-stance Matching (iHOIM) loss to
explicitly model the inter-relationship between object detection and Re-ID. Our
novel iHOIM loss function unifies the objectives of the two sub-tasks and
encourages better detection performance and feature learning even in extremely
crowded scenes. Moreover, we propose to introduce the object positions,
predicted by a motion model, as region proposals for subsequent object
detection, where the intuition is that detection results and motion predictions
can complement each other in different scenarios. Experimental results on MOT16
and MOT20 datasets show that we can achieve state-of-the-art tracking
performance, and the ablation study verifies the effectiveness of each proposed
component.
- Abstract（参考訳）: 最近のMultiple Object Tracking(MOT)法は、オブジェクト検出とインスタンス再識別(Re-ID)を統合ネットワークに統合し、一段階のソリューションを構築しようとしている。
通常、これらの手法は1つのネットワーク内で分離された2つの分岐を用いて検出とRe-IDの相互関係を研究せずにそれぞれ達成し、トラッキング性能を必然的に損なう。
本稿では,この問題を解決するために,階層型単一ブランチネットワークに基づくオンライン多目的追跡フレームワークを提案する。
具体的には,改良された階層型オンラインインスタンスマッチング(ihoim)損失を利用して,オブジェクト検出と再id間の相互関係を明示的にモデル化する。
我々の新しいiHOIM損失関数は2つのサブタスクの目的を統一し、非常に混み合ったシーンでも優れた検出性能と特徴学習を促進する。
さらに,動きモデルによって予測される物体の位置を,検出結果と動き予測が異なるシナリオで相互に補完できるような,後続の物体検出のための領域提案として導入することを提案する。
MOT16およびMOT20データセットを用いた実験結果から,最先端の追跡性能が得られ,各コンポーネントの有効性が検証された。
関連論文リスト
- Uncertainty-Guided Appearance-Motion Association Network for Out-of-Distribution Action Detection [4.938957922033169]
セマンティックシフトでテストサンプルを検出し、拒否するOOD(Out-of-Distribution)検出ターゲット。
我々は,新しい不確実性誘導外観運動ネットワーク(UAAN)を提案する。
UAANは最先端の手法をかなりの差で打ち負かし、その効果を実証する。
論文 参考訳（メタデータ） (2024-09-16T02:53:49Z) - Single-Shot and Multi-Shot Feature Learning for Multi-Object Tracking [55.13878429987136]
そこで本研究では,異なる目標に対して,単発と複数発の特徴を共同で学習するための,シンプルで効果的な2段階特徴学習パラダイムを提案する。
提案手法は,DanceTrackデータセットの最先端性能を達成しつつ,MOT17およびMOT20データセットの大幅な改善を実現している。
論文 参考訳（メタデータ） (2023-11-17T08:17:49Z) - 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) - 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D
Point Clouds [95.54285993019843]
本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。
本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
論文 参考訳（メタデータ） (2022-11-01T20:59:38Z) - Transformer-based assignment decision network for multiple object
tracking [0.0]
本稿では,データアソシエーションに取り組むトランスフォーマーベースのアサインメント決定ネットワーク(TADN)について,推論中に明示的な最適化を必要とせずに紹介する。
提案手法は,トラッカーとしての単純な性質にもかかわらず,ほとんどの評価指標において最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2022-08-06T19:47:32Z) - Exploiting Domain Transferability for Collaborative Inter-level Domain
Adaptive Object Detection [17.61278045720336]
オブジェクト検出のためのドメイン適応(DAOD)は、アノテーションなしで対象オブジェクトを検出できるため、最近注目を集めている。
従来の研究は、2段階検出器の部分的なレベルから抽出した特徴を、対向訓練によって整列させることに重点を置いていた。
本稿では,マルチスケール対応不確実性注意(MUA),転送可能領域ネットワーク(TRPN),動的インスタンスサンプリング(DIS)の3つのコンポーネントを用いた提案手法を提案する。
論文 参考訳（メタデータ） (2022-07-20T01:50:26Z) - Correlation-Aware Deep Tracking [83.51092789908677]
本稿では,自己/横断的意図に着想を得た,新たなターゲット依存型特徴ネットワークを提案する。
我々のネットワークは機能ネットワークの複数の層にクロスイメージの特徴相関を深く埋め込んでいる。
我々のモデルは、豊富な未ペア画像に対して柔軟に事前訓練が可能であり、既存の手法よりも顕著に高速な収束をもたらす。
論文 参考訳（メタデータ） (2022-03-03T11:53:54Z) - Benchmarking Deep Models for Salient Object Detection [67.07247772280212]
汎用SALOD(General SALient Object Detection)ベンチマークを構築し,複数のSOD手法の総合的な比較を行った。
以上の実験では、既存の損失関数は、通常いくつかの指標に特化しているが、他の指標には劣る結果が報告されている。
我々は,深層ネットワークに画素レベルと画像レベルの両方の監視信号を統合することにより,より識別的な特徴を学習するためのエッジ・アウェア・ロス(EA)を提案する。
論文 参考訳（メタデータ） (2022-02-07T03:43:16Z) - Target-Aware Object Discovery and Association for Unsupervised Video
Multi-Object Segmentation [79.6596425920849]
本稿では,教師なしビデオマルチオブジェクトセグメンテーションの課題について述べる。
より正確で効率的な時間区分のための新しいアプローチを紹介します。
DAVIS$_17$とYouTube-VISに対する提案手法を評価した結果,セグメント化精度と推論速度の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2021-04-10T14:39:44Z) - Modulating Localization and Classification for Harmonized Object
Detection [40.82723262074911]
2つのタスクを変調する相互学習フレームワークを提案する。
特に,2つのタスクは,新たな相互ラベル付け戦略によって互いに学習することを余儀なくされる。
COCOデータセットのベースライン検出器に対する大幅なパフォーマンス向上を実現しました。
論文 参考訳（メタデータ） (2021-03-16T10:36:02Z) - Decoupled and Memory-Reinforced Networks: Towards Effective Feature
Learning for One-Step Person Search [65.51181219410763]
歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。
現在のワンステップアプローチには2つの大きな課題があります。
本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
論文 参考訳（メタデータ） (2021-02-22T06:19:45Z)
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。