論文の概要: Siam-ReID: Confuser Aware Siamese Tracker with Re-identification Feature

• arxiv url: http://arxiv.org/abs/2104.03510v1
• Date: Thu, 8 Apr 2021 04:58:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-09 13:08:21.899738
• Title: Siam-ReID: Confuser Aware Siamese Tracker with Re-identification Feature
• Title（参考訳）: siam-reid:再識別機能を備えたsiamese tracker
• Authors: Abu Md Niamul Taufique, Andreas Savakis, Michael Braun, Daniel Kubacki, Ethan Dell, Lei Qian, Sean M. O'Rourke
• Abstract要約: SiamReIDはSiameseトラッカーのための新しい再識別フレームワークです。 私たちのアプローチは、UAVDTシングルオブジェクトトラッキングベンチマークで最先端のパフォーマンスを実現します。
• 参考スコア（独自算出の注目度）: 3.226853434388048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Siamese deep-network trackers have received significant attention in recent years due to their real-time speed and state-of-the-art performance. However, Siamese trackers suffer from similar looking confusers, that are prevalent in aerial imagery and create challenging conditions due to prolonged occlusions where the tracker object re-appears under different pose and illumination. Our work proposes SiamReID, a novel re-identification framework for Siamese trackers, that incorporates confuser rejection during prolonged occlusions and is well-suited for aerial tracking. The re-identification feature is trained using both triplet loss and a class balanced loss. Our approach achieves state-of-the-art performance in the UAVDT single object tracking benchmark.
• Abstract（参考訳）: シームズディープネットワークトラッカーは、リアルタイムの速度と最先端の性能のために近年大きな注目を集めている。 しかし、シームズ・トラッカーは、空中画像でよく見られる類似したコンフューザーに悩まされ、トラッカー・オブジェクトが異なるポーズと照明の下で再出現する長い閉塞により、困難な状況に陥る。 本研究は,シアーム追跡者のための新しい再同定フレームワーク siamreid を提案する。 再識別機能は三重項損失とクラスバランス損失の両方を用いて訓練される。 提案手法は,UAVDT単体追跡ベンチマークにおける最先端性能を実現する。

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)
• Sea You Later: Metadata-Guided Long-Term Re-Identification for UAV-Based Multi-Object Tracking [28.621855692099313]
  我々は、Metadata Guided MOT (MG-MOT) と呼ばれる適応型モーションベースMOTアルゴリズムを提案する。 MG-MOTは、短距離追跡データをコヒーレントな長期トラックに効果的にマージし、UAVから重要なメタデータを活用する。 我々は,UAVをベースとした海上物体追跡チャレンジの最新版において,最先端のHOTA 69.5%,IFF1 85.9%の高性能性能を実現した。
  論文  参考訳（メタデータ） (2023-11-06T22:01:27Z)
• DASTSiam: Spatio-Temporal Fusion and Discriminative Augmentation for Improved Siamese Tracking [6.985491314570374]
  DASTSiamと呼ばれる2つのトランスフォーマーベースのモジュールを導入し、紙時間(ST)融合モジュールと識別(DA)モジュールを提案する。 STモジュールは、オブジェクトの外観変化に対するロバスト性を改善するために、クロスアテンションに基づく歴史的手がかりの蓄積を使用する。 DAモジュールは、テンプレートと検索領域間の意味情報を関連付け、ターゲット識別を改善する。
  論文  参考訳（メタデータ） (2023-01-22T06:23:53Z)
• Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
  分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。 トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2022-04-04T13:39:43Z)
• Learning to Track Objects from Unlabeled Videos [63.149201681380305]
  本稿では,Unsupervised Single Object Tracker (USOT) をスクラッチから学習することを提案する。 教師なしトラッカーと教師なしトラッカーのギャップを狭めるために,3段階からなる効果的な教師なし学習手法を提案する。 実験の結果、未ラベルのビデオから得られたUSOTは、最先端の教師なしトラッカーよりも大きなマージンでうまく機能していることがわかった。
  論文  参考訳（メタデータ） (2021-08-28T22:10:06Z)
• SiamAPN++: Siamese Attentional Aggregation Network for Real-Time UAV Tracking [16.78336740951222]
  リアルタイムUAVトラッキングには,新しい注意型シームズトラッカー(SiamAPN++)が提案されている。 SiamAPN++は、リアルタイムで有望なトラッキング結果を達成する。
  論文  参考訳（メタデータ） (2021-06-16T14:28:57Z)
• Continuity-Discrimination Convolutional Neural Network for Visual Object Tracking [150.51667609413312]
  本稿では,視覚オブジェクト追跡のためのContinuity-Discrimination Convolutional Neural Network (CD-CNN) という新しいモデルを提案する。 この問題に対処するため、cd-cnnは時間的遅れの概念に基づいた時間的外観連続性をモデル化する。 不正確なターゲットの定位とドリフトを緩和するために,新しい概念 object-centroid を提案する。
  論文  参考訳（メタデータ） (2021-04-18T06:35:03Z)
• Temporally-Transferable Perturbations: Efficient, One-Shot Adversarial Attacks for Online Visual Object Trackers [81.90113217334424]
  本研究では, オブジェクトテンプレート画像からのみ, 一時移動可能な対人的摂動を生成するフレームワークを提案する。 この摂動はあらゆる検索画像に追加され、事実上何のコストもかからないが、それでもトラッカーを騙すのに成功している。
  論文  参考訳（メタデータ） (2020-12-30T15:05:53Z)
• Object Tracking through Residual and Dense LSTMs [67.98948222599849]
  LSTM(Long Short-Term Memory)リカレントニューラルネットワークに基づくディープラーニングベースのトラッカーが、強力な代替手段として登場した。 DenseLSTMはResidualおよびRegular LSTMより優れ、ニュアンセに対する高いレジリエンスを提供する。 ケーススタディは、他のトラッカーの堅牢性を高めるために残差ベースRNNの採用を支援する。
  論文  参考訳（メタデータ） (2020-06-22T08:20:17Z)
• Multi-Object Tracking with Siamese Track-RCNN [23.753970697176946]
  Siamese Track-RCNNは3つの機能ブランチで構成される2段階の検出・追跡フレームワークである。 シームズ・トラック-RCNNは最先端技術よりもはるかに高い結果を得るが、統一された設計のため、より効率的である。
  論文  参考訳（メタデータ） (2020-04-16T17:28:52Z)

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。