Fugu-MT 論文翻訳(概要): Learning Residue-Aware Correlation Filters and Refining Scale Estimates with the GrabCut for Real-Time UAV Tracking

論文の概要: Learning Residue-Aware Correlation Filters and Refining Scale Estimates with the GrabCut for Real-Time UAV Tracking

arxiv url: http://arxiv.org/abs/2104.03114v1
Date: Wed, 7 Apr 2021 13:35:01 GMT
ステータス: 処理完了
システム内更新日: 2021-04-08 17:25:29.897269
Title: Learning Residue-Aware Correlation Filters and Refining Scale Estimates with the GrabCut for Real-Time UAV Tracking
Title（参考訳）: リアルタイムUAV追従のための残響相関フィルタの学習とGrabCutを用いた精製スケール推定
Authors: Shuiwang Li, Yuting Liu, Qijun Zhao, Ziliang Feng
Abstract要約: 無人航空機(UAV)ベースの追跡はますます注目を集め、農業、航空、ナビゲーション、輸送、公安などのアプリケーションで急速に発展しています。近年,1つのCPU上での高い効率とロバスト性のために,識別相関フィルタ(DCF)ベースのトラッカーがUAVトラッキングコミュニティで注目されている。本稿では,GrabCutによるセグメンテーションによるDCFトラッカーの判別スケール推定の改善について検討する。
参考スコア（独自算出の注目度）: 12.718396980204961
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Unmanned aerial vehicle (UAV)-based tracking is attracting increasing attention and developing rapidly in applications such as agriculture, aviation, navigation, transportation and public security. Recently, discriminative correlation filters (DCF)-based trackers have stood out in UAV tracking community for their high efficiency and appealing robustness on a single CPU. However, due to limited onboard computation resources and other challenges the efficiency and accuracy of existing DCF-based approaches is still not satisfying. In this paper, we explore using segmentation by the GrabCut to improve the wildly adopted discriminative scale estimation in DCF-based trackers, which, as a mater of fact, greatly impacts the precision and accuracy of the trackers since accumulated scale error degrades the appearance model as online updating goes on. Meanwhile, inspired by residue representation, we exploit the residue nature inherent to videos and propose residue-aware correlation filters that show better convergence properties in filter learning. Extensive experiments are conducted on four UAV benchmarks, namely, UAV123@10fps, DTB70, UAVDT and Vistrone2018 (VisDrone2018-test-dev). The results show that our method achieves state-of-the-art performance.
Abstract（参考訳）: 無人航空機(UAV)による追跡は、農業、航空、航法、交通、治安などの分野で急速に発展し、注目を集めている。最近、dcf(discriminative correlation filter)ベースのトラッカーは、uav追跡コミュニティにおいて、高い効率と単一のcpuでの堅牢性のために際立っている。しかし、計算リソースの制限やその他の課題により、既存のDCFベースのアプローチの効率と正確性はまだ満足していない。本稿では,GrabCut によるセグメンテーションを用いて DCF ベースのトラッカーにおける大々的に採用されている判別スケール推定を改善することを検討する。一方,残差表現に触発されて,映像に固有の残差の性質を活用し,フィルタ学習においてより収束性を示す残差認識相関フィルタを提案する。大規模な実験は、UAV123@10fps、DTB70、UAVDT、VisDrone2018-test-devの4つのUAVベンチマークで実施された。その結果,本手法は最先端の性能を実現する。

関連論文リスト

Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
論文参考訳（メタデータ） (2024-07-19T07:48:45Z)
Convolutional Unscented Kalman Filter for Multi-Object Tracking with Outliers [17.38485814970625]
マルチオブジェクトトラッキング(MOT)は、自律運転におけるナビゲーションに不可欠な技術である。近年, トラッキング手法は, 外乱を観測するフィルタリングアルゴリズムに基づいており, トラッキング精度の低下や, オブジェクトの軌跡の喪失さえも生じている。我々は,ConvUKFが外れ値の存在下で有界な追跡誤差を持つことを示す。
論文参考訳（メタデータ） (2024-06-03T14:42:38Z)
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)
Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。実世界のデータセットの実験では、大幅な改善が示されている。
論文参考訳（メタデータ） (2023-09-21T15:00:31Z)
Towards Discriminative Representations with Contrastive Instances for Real-Time UAV Tracking [5.557099240958562]
識別相関フィルタ(DCF)ベースのトラッカーは、単一のCPU上で高い効率が得られるが、精度は劣る。軽量ディープラーニング(DL)ベースのトラッカーは効率と精度のバランスが良いが,性能向上は圧縮速度によって制限される。本稿では,新しい特徴学習の観点から特徴表現の識別力を高めることを目的とする。
論文参考訳（メタデータ） (2023-08-22T13:58:45Z)
Learning Disentangled Representation with Mutual Information Maximization for Real-Time UAV Tracking [1.0541541376305243]
本稿では,相互情報(DR-MIM)による不整合表現を利用して,UAV追跡の精度と効率を向上させる。我々のDR-MIMトラッカーは最先端のUAVトラッカーよりも優れています。
論文参考訳（メタデータ） (2023-08-20T13:16:15Z)
Integrated Sensing, Computation, and Communication for UAV-assisted Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文参考訳（メタデータ） (2023-06-05T16:01:33Z)
Rank-Based Filter Pruning for Real-Time UAV Tracking [11.740436885164833]
無人航空機(UAV)の追跡は、農業、航法、公共の安全など、幅広い可能性を持つ。識別相関フィルタ (DCF) トラッカーは, 高い効率性のため, UAV追跡コミュニティにおいて際立っている。モデル圧縮は、DCFとディープラーニングベースのトラッカーのギャップを狭めるための有望な方法である。
論文参考訳（メタデータ） (2022-07-05T02:13:53Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking [12.292672531693794]
本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
論文参考訳（メタデータ） (2020-08-09T10:22:52Z)
Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
本稿では,2段階の逐次回帰トラッカーを提案する。第1段階では, 容易に同定可能な負の候補を抽出する。第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
論文参考訳（メタデータ） (2020-06-18T07:48:01Z)

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。