Fugu-MT 論文翻訳(概要): Video Surveillance for Road Traffic Monitoring

論文の概要: Video Surveillance for Road Traffic Monitoring

arxiv url: http://arxiv.org/abs/2105.04908v1
Date: Tue, 11 May 2021 09:54:20 GMT
ステータス: 処理完了
システム内更新日: 2021-05-12 21:17:15.222896
Title: Video Surveillance for Road Traffic Monitoring
Title（参考訳）: 道路交通モニタリングのためのビデオサーベイランス
Authors: Pol Albacar, \`Oscar Lorente, Eduard Mainou, Ian Riera
Abstract要約: 本稿ではバルセロナ大学オートノマ・デ・バルセロナ校のコンピュータビジョンにおけるマスターの映像解析モジュールにおける学習技術について述べる。課題は、都市に広がる複数の交差点に配置された複数のカメラにまたがる車両を追跡することです。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper presents the learned techniques during the Video Analysis Module of the Master in Computer Vision from the Universitat Aut\`onoma de Barcelona, used to solve the third track of the AI-City Challenge. This challenge aims to track vehicles across multiple cameras placed in multiple intersections spread out over a city. The methodology followed focuses first in solving multi-tracking in a single camera and then extending it to multiple cameras. The qualitative results of the implemented techniques are presented using standard metrics for video analysis such as mAP for object detection and IDF1 for tracking. The source code is publicly available at: https://github.com/mcv-m6-video/mcv-m6-2021-team4.
Abstract（参考訳）: 本稿では,バルセロナ大学アット・オノマ・デ・バルセロナ校のコンピュータビジョンのマスターのビデオ解析モジュールにおいて,AI-City Challengeの第3トラックの解決に利用した学習手法について述べる。この課題は、都市に広がる複数の交差点に配置された複数のカメラで車両を追跡することである。その方法論は、まず1台のカメラでマルチトラッキングを解き、次に複数のカメラに拡張する。オブジェクト検出のためのmAPやトラッキングのためのIDF1などのビデオ分析のための標準指標を用いて,実装手法の質的な結果を示す。ソースコードはhttps://github.com/mcv-m6-video/mcv-m6-2021-team4で公開されている。

関連論文リスト

The 8th AI City Challenge [57.25825945041515]
2024年版では5トラックが収録され、47か国と地域の726チームから前例のない関心を集めた。このチャレンジでは、2つのリーダーボードを使ってメソッドを展示し、参加者は新しいベンチマークを設定した。
論文参考訳（メタデータ） (2024-04-15T03:12:17Z)
Tracking Anything in High Quality [63.63653185865726]
HQTrackは高品質なビデオ追跡のためのフレームワークだ。ビデオマルチオブジェクトセグメンタ(VMOS)とマスクリファインダ(MR)で構成されている。
論文参考訳（メタデータ） (2023-07-26T06:19:46Z)
CityTrack: Improving City-Scale Multi-Camera Multi-Target Tracking by Location-Aware Tracking and Box-Grained Matching [15.854610268846562]
Multi-Camera Multi-Target Tracking (MCMT)は、複数のカメラを同時に追跡するコンピュータビジョン技術である。そこで我々は,都市交通シーンがもたらす課題を克服するために,CityTrackと呼ばれるMCMTフレームワークを提案する。 MCMTタスクにおいて,様々な高度な手法を取り入れた位置認識SCMTトラッカーを提案する。
論文参考訳（メタデータ） (2023-07-06T03:25:37Z)
TAU: A Framework for Video-Based Traffic Analytics Leveraging Artificial Intelligence and Unmanned Aerial Systems [2.748428882236308]
自動トラフィック分析と理解のためのAI統合ビデオ分析フレームワークTAU(Traffic Analysis from UAVs)を開発した。トラヒックビデオ解析における従来の研究とは違って,ビデオ処理から高解像度UAV画像を用いた高度なトラヒック理解へ向けた自動物体検出・追跡パイプラインを提案する。
論文参考訳（メタデータ） (2023-03-01T09:03:44Z)
TrackNet: A Triplet metric-based method for Multi-Target Multi-Camera Vehicle Tracking [0.0]
本稿では,交通映像からのマルチターゲットマルチカメラ(MTMC)車両追跡手法であるTrackNetを提案する。提案手法は,まずFaster R-CNNを用いて車両のフレーム・バイ・フレーム検出を行い,次いでKalmanフィルタを用いて1台のカメラで検出を追跡し,最終的に3重メトリック学習戦略によってトラックをマッチングする。
論文参考訳（メタデータ） (2022-05-27T09:40:00Z)
The 6th AI City Challenge [91.65782140270152]
2022年のAIシティチャレンジの4つのチャレンジトラックは、27カ国254チームからの参加要請を受けた。参加チームのトップパフォーマンスは強いベースラインを確立し、提案されたチャレンジトラックで最先端の成績を上げました。
論文参考訳（メタデータ） (2022-04-21T19:24:17Z)
City-Scale Multi-Camera Vehicle Tracking Guided by Crossroad Zones [28.922703073971466]
本稿では,2021年AIシティチャレンジ(AICITY21)におけるトラック3多カメラ車両追跡タスクのソリューションについて述べる。フレームワークには以下のものがある。成熟した検出と車両再識別モデルを使用して、ターゲットと外観の特徴を抽出します。交差路の特性により,トラックレットフィルタ戦略と方向に基づくテンポラリマスクを提案する。
論文参考訳（メタデータ） (2021-05-14T03:01:17Z)
A Simple Baseline for Pose Tracking in Videos of Crowded Scenes [130.84731947842664]
混み合った複雑な環境での人間のポーズを追跡する方法は、十分に対処されていない。検出モデルにより生成された各境界ボックスに人体IDを割り当てるために,多目的追跡手法を用いる。最終的に、ビデオ中の時間情報を利用して、最終的なポーズ追跡結果を生成するために光学フローが使用される。
論文参考訳（メタデータ） (2020-10-16T13:06:21Z)
Traffic-Aware Multi-Camera Tracking of Vehicles Based on ReID and Camera Link Model [43.850588717944916]
MTMCT(Multi-target Multi-camera Tracking)は,スマートシティアプリケーションにおいて重要な技術である。本稿では,車載用MTMCTフレームワークを提案する。提案するMTMCTは,CityFlowデータセットを用いて評価し,IDF1の74.93%の新たな最先端性能を実現する。
論文参考訳（メタデータ） (2020-08-22T08:54:47Z)
Towards Autonomous Driving: a Multi-Modal 360$^{\circ}$ Perception Proposal [87.11988786121447]
本稿では,自動運転車の3次元物体検出と追跡のためのフレームワークを提案する。このソリューションは、新しいセンサ融合構成に基づいて、正確で信頼性の高い道路環境検出を提供する。自動運転車に搭載されたシステムの様々なテストは、提案された知覚スタックの適合性を評価することに成功している。
論文参考訳（メタデータ） (2020-08-21T20:36:21Z)
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。