論文の概要: Occlusion-aware Visual Tracker using Spatial Structural Information and Dominant Features

• arxiv url: http://arxiv.org/abs/2104.07977v1
• Date: Fri, 16 Apr 2021 09:01:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 14:22:14.170362
• Title: Occlusion-aware Visual Tracker using Spatial Structural Information and Dominant Features
• Title（参考訳）: 空間構造情報と支配的特徴を用いた咬合対応視覚追跡装置
• Authors: Rongtai Caiand Peng Zhu
• Abstract要約: 提案アルゴリズムは,オブジェクトの画素分布に応じて,クラスタリングによりオブジェクトを離散的なイメージパッチに分割する。 追跡者の偽のターゲットへの漂流を避けるために、提案されたアルゴリズムは、これらの画像パッチから色ヒストグラムや勾配方向ヒストグラムなどの支配的な特徴を抽出します。 提案アルゴリズムでは,これらのコンポーネントをパーティクルフィルタフレームワークに組み込むことにより,堅牢かつ高精度なトラッカを実現する。
• 参考スコア（独自算出の注目度）: 0.19036571490366497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To overcome the problem of occlusion in visual tracking, this paper proposes an occlusion-aware tracking algorithm. The proposed algorithm divides the object into discrete image patches according to the pixel distribution of the object by means of clustering. To avoid the drifting of the tracker to false targets, the proposed algorithm extracts the dominant features, such as color histogram or histogram of oriented gradient orientation, from these image patches, and uses them as cues for tracking. To enhance the robustness of the tracker, the proposed algorithm employs an implicit spatial structure between these patches as another cue for tracking; Afterwards, the proposed algorithm incorporates these components into the particle filter framework, which results in a robust and precise tracker. Experimental results on color image sequences with different resolutions show that the proposed tracker outperforms the comparison algorithms on handling occlusion in visual tracking.
• Abstract（参考訳）: 視覚追跡における咬合問題を克服するために,オクルージョンアウェアトラッキングアルゴリズムを提案する。 提案アルゴリズムは,オブジェクトの画素分布に応じて,クラスタリングによりオブジェクトを離散的なイメージパッチに分割する。 提案手法では,カラーヒストグラムや向きの傾斜方向のヒストグラムといった支配的な特徴を,これらの画像パッチから抽出し,追跡のための手がかりとして利用する。 トラッカーのロバスト性を高めるため,提案アルゴリズムはこれらのパッチ間の空間構造を追従のための別のキューとして用い,その後,提案アルゴリズムはこれらのコンポーネントを粒子フィルタフレームワークに組み込み,ロバストかつ高精度なトラッカーを実現する。 解像度の異なるカラー画像列の実験結果から,提案したトラッカーは,視線追跡におけるオクルージョン処理において,比較アルゴリズムよりも優れていた。

関連論文リスト

• DATAP-SfM: Dynamic-Aware Tracking Any Point for Robust Structure from Motion in the Wild [85.03973683867797]
  本稿では,スムーズなカメラ軌跡を推定し,野生のカジュアルビデオのための高密度点雲を得るための,簡潔でエレガントでロバストなパイプラインを提案する。 提案手法は,複雑な動的課題シーンにおいても,カメラポーズ推定による最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-11-20T13:01:16Z)
• Feature Tracks are not Zero-Mean Gaussian [63.51990384359593]
  特徴トラック位置の誤差がゼロ平均ガウスであると考えるのが慣例である。 キャリブレーションされたカメラの内在、地中カメラのポーズ、深度画像の組み合わせにより、画像処理アルゴリズムを用いて抽出した特徴トラックの地中トラック位置を計算することができる。
  論文  参考訳（メタデータ） (2023-03-25T00:58:30Z)
• Video Shadow Detection via Spatio-Temporal Interpolation Consistency Training [31.115226660100294]
  本稿では、ラベル付き画像とともにラベル付きビデオフレームを画像陰影検出ネットワークトレーニングに供給するフレームワークを提案する。 次に,画素ワイド分類における一般化の促進のために,空間的および時間的整合性の制約を導出する。 さらに,画像のマルチスケール影知識学習のためのスケール・アウェア・ネットワークを設計する。
  論文  参考訳（メタデータ） (2022-06-17T14:29:51Z)
• A Bayesian Detect to Track System for Robust Visual Object Tracking and Semi-Supervised Model Learning [1.7268829007643391]
  ニューラルネットワークの出力によってパラメータ化されたベイズ追跡・検出フレームワークにおける副次的問題について述べる。 本稿では,粒子フィルタを用いた物体状態推定のための近似サンプリングアルゴリズムを提案する。 粒子フィルタ推論アルゴリズムを用いて,間欠的なラベル付きフレーム上でのトラッキングネットワークの学習に半教師付き学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2022-05-05T00:18:57Z)
• An efficient real-time target tracking algorithm using adaptive feature fusion [5.629708188348423]
  低次元適応型特徴融合に基づく効率的なリアルタイム目標追跡手法を提案する。 提案アルゴリズムは、それぞれ0.023と0.019の改善により、より高い成功率と精度を得ることができる。 提案手法は,複雑な環境下でのリアルタイムな目標追従タスクを実現するための,より有望な方法である。
  論文  参考訳（メタデータ） (2022-04-05T08:40:52Z)
• Hybrid Tracker with Pixel and Instance for Video Panoptic Segmentation [50.62685357414904]
  ビデオパノプティカル係数(VPS)は、コヒーレントなパノプティカルセグメンテーションを生成し、ビデオフレーム全体の全ピクセルのアイデンティティを追跡することを目的としている。 単一トラッカーの限界を取り除くために,軽量かつ共同的な追跡モデルであるHybridTrackerを提案する。 総合的な実験により、HybridTrackerはCityscapes-VPSとVIPERデータセットの最先端メソッドよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-03-02T16:21:55Z)
• Video Annotation for Visual Tracking via Selection and Refinement [74.08109740917122]
  ビデオシーケンスのバウンディングボックスアノテーションを容易にするための新しいフレームワークを提案する。 目標位置の時間的コヒーレンスを捉えることのできる時間的アセスメントネットワークを提案する。 また、選択したトラッキング結果をさらに強化するために、ビジュアルジオメトリ・リファインメント・ネットワークが設計されている。
  論文  参考訳（メタデータ） (2021-08-09T05:56:47Z)
• Deep Feature Tracker: A Novel Application for Deep Convolutional Neural Networks [0.0]
  本稿では,特徴を確実に追跡する方法を学習できる,新しい,統合されたディープラーニングベースのアプローチを提案する。 Deep-PTと呼ばれる提案ネットワークは、畳み込みニューラルネットワークの相互相関であるトラッカーネットワークで構成されている。 ネットワークは、特徴追跡データセットに特別なデータセットがないため、複数のデータセットを使用してトレーニングされている。
  論文  参考訳（メタデータ） (2021-07-30T23:24:29Z)
• Polygonal Point Set Tracking [50.445151155209246]
  本稿では,学習に基づく多角形点集合追跡手法を提案する。 私たちのゴールは、ターゲットの輪郭上の対応する点を追跡することです。 本稿では,部分歪みとテキストマッピングに対する本手法の視覚効果について述べる。
  論文  参考訳（メタデータ） (2021-05-30T17:12:36Z)
• Applying r-spatiogram in object tracking for occlusion handling [16.36552899280708]
  映像追跡の目的は、動画シーケンス内の移動対象を正確に特定し、そのシーケンスの特徴空間内の非ターゲットから目標を識別することである。 本稿では,オブジェクトモデリング,オブジェクト検出とローカライゼーション,モデル更新という,参照モデルの3つの主要コンポーネントで構成される多くのトラッカーの基本概念を用いる。
  論文  参考訳（メタデータ） (2020-03-18T02:42:51Z)
• Tracking Road Users using Constraint Programming [79.32806233778511]
  本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。 提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
  論文  参考訳（メタデータ） (2020-03-10T00:04:32Z)

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。