論文の概要: ADTrack: Target-Aware Dual Filter Learning for Real-Time Anti-Dark UAV Tracking

• arxiv url: http://arxiv.org/abs/2106.02495v1
• Date: Fri, 4 Jun 2021 14:05:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-07 20:58:35.932101
• Title: ADTrack: Target-Aware Dual Filter Learning for Real-Time Anti-Dark UAV Tracking
• Title（参考訳）: ADTrack: リアルタイムアンチダークUAV追跡のためのターゲット認識デュアルフィルタ学習
• Authors: Bowen Li, Changhong Fu, Fangqiang Ding, Junjie Ye, and Fuling Lin
• Abstract要約: 提案手法は,効率的かつ効率的な低照度画像エンハンサーをCFベースのトラッカーに統合する。 目標認識マスクを適用して、ロバストなトラッキングのためにコンテキストフィルタを補助する目標中心フィルタを共同訓練することができる。 その結果、ADTrackは他の最先端トラッカーよりも優れており、1CPUで34フレーム/秒のリアルタイム速度を実現していることがわかった。
• 参考スコア（独自算出の注目度）: 17.80444543935194
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prior correlation filter (CF)-based tracking methods for unmanned aerial vehicles (UAVs) have virtually focused on tracking in the daytime. However, when the night falls, the trackers will encounter more harsh scenes, which can easily lead to tracking failure. In this regard, this work proposes a novel tracker with anti-dark function (ADTrack). The proposed method integrates an efficient and effective low-light image enhancer into a CF-based tracker. Besides, a target-aware mask is simultaneously generated by virtue of image illumination variation. The target-aware mask can be applied to jointly train a target-focused filter that assists the context filter for robust tracking. Specifically, ADTrack adopts dual regression, where the context filter and the target-focused filter restrict each other for dual filter learning. Exhaustive experiments are conducted on typical dark sceneries benchmark, consisting of 37 typical night sequences from authoritative benchmarks, i.e., UAVDark, and our newly constructed benchmark UAVDark70. The results have shown that ADTrack favorably outperforms other state-of-the-art trackers and achieves a real-time speed of 34 frames/s on a single CPU, greatly extending robust UAV tracking to night scenes.
• Abstract（参考訳）: 先行相関フィルタ(cf)に基づく無人航空機の追跡手法(uavs)は、日中の追跡に事実上焦点を合わせている。 しかし、夜になるとトラッカーはより厳しいシーンに遭遇し、簡単に追跡の失敗につながる可能性がある。 そこで本研究では,アンチダーク機能付きトラッカー (ADTrack) を提案する。 提案手法は,効率的な低照度画像エンハンサーをCFベースのトラッカーに統合する。 また、画像照明変動により、目標認識マスクを同時に生成する。 目標認識マスクを適用して、ロバストトラッキングのためのコンテキストフィルタを支援するターゲット中心フィルタを協調訓練することができる。 特に、ADTrackはデュアルレグレッションを採用し、コンテキストフィルタとターゲット中心フィルタは二重フィルタ学習のために互いに制限する。 このベンチマークは、権威あるベンチマーク(uavdark)と新しく構築したベンチマークuavdark70(uavdark70)の37の典型的な夜間シーケンスで構成されています。 その結果、ADTrackは他の最先端トラッカーよりも優れ、単一のCPU上で34フレーム/秒のリアルタイム速度を実現し、堅牢なUAVトラッキングを夜景に拡張した。

関連論文リスト

• DCPT: Darkness Clue-Prompted Tracking in Nighttime UAVs [53.64523622330297]
  既存の夜間無人航空機(UAV)トラッカーは"Enhance-then-Track"アーキテクチャに従っている。 この分離された拡張と追跡は、エンドツーエンドのトレーニング可能な視覚システムを構築するのに失敗する。 本研究では,夜間の強靭なUAV追跡を効率よく学習し,暗黒手がかりを生成できるDarkness Clue-Prompted Tracking (DCPT)を提案する。
  論文  参考訳（メタデータ） (2023-09-19T09:59:08Z)
• BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [56.77287041917277]
  3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションに不可欠なことを証明している。 本稿では,単純で効果的なベースライン手法であるBEVTrackを提案する。 Bird's-Eye View (BEV) における目標運動を推定して追跡を行うことにより、BEVTrackは、ネットワーク設計、トレーニング目標、トラッキングパイプラインなど、様々な側面から驚くほどの単純さを示しながら、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） (2023-09-05T12:42:26Z)
• AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
  AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。 AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。 我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
  論文  参考訳（メタデータ） (2022-08-14T17:49:37Z)
• 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)
• VariabilityTrack:Multi-Object Tracking with Variable Speed Object Movement [1.6385815610837167]
  マルチオブジェクトトラッキング(MOT)は、ビデオ内のオブジェクトのバウンディングボックスとIDを推定することを目的としている。 環境フィードバックに基づく可変速度カルマンフィルタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-12T12:39:41Z)
• Distractor-Aware Fast Tracking via Dynamic Convolutions and MOT Philosophy [63.91005999481061]
  実用的長期トラッカーは、典型的には3つの重要な特性を含む。 効率的なモデル設計、効果的なグローバル再検出戦略、堅牢な気晴らし認識メカニズム。 動的畳み込み (d-convs) と多重オブジェクト追跡 (MOT) の哲学を用いて, 注意をそらした高速トラッキングを実現するための2タスクトラッキングフレームワーク(DMTrack)を提案する。 我々のトラッカーはLaSOT, OxUvA, TLP, VOT2018LT, VOT 2019LTベンチマークの最先端性能を実現し, リアルタイム3倍高速に動作させる。
  論文  参考訳（メタデータ） (2021-04-25T00:59:53Z)
• All-Day Object Tracking for Unmanned Aerial Vehicle [19.10142725484355]
  本研究は,照明適応とアンチダーク機能を備えた新しい相関フィルタベースのトラッカー,adtrackを提案する。 ADTrackは画像照度情報を利用して、与えられた光条件へのモデルの適応性を実現する。 この作業はまた、UAVの夜間追跡ベンチマークであるUAVDark135を構築し、125k以上の手動アノテートフレームで構成された。
  論文  参考訳（メタデータ） (2021-01-21T05:12:37Z)
• DR^2Track: Towards Real-Time Visual Tracking for UAV via Distractor Repressed Dynamic Regression [18.044423448896143]
  本研究では,検出フェーズで生成した応答マップの局所的な最大点を利用して,電流イントラクタの自動検出を行う。 3つの挑戦的なUAVベンチマークで実施された実体実験は、優れた性能と異常な速度の両方を実証している。
  論文  参考訳（メタデータ） (2020-08-10T06:08:31Z)
• Efficient Adversarial Attacks for Visual Object Tracking [73.43180372379594]
  本稿では,新たなドリフト損失と組込み機能損失を併用して,シームズネットワークベースのトラッカーを攻撃するエンド・ツー・エンド・エンド・ネットワークFANを提案する。 単一のGPUの下では、FANはトレーニング速度が効率的で、強力な攻撃性能を持つ。
  論文  参考訳（メタデータ） (2020-08-01T08:47:58Z)
• 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)
• Keyfilter-Aware Real-Time UAV Object Tracking [28.90501292821063]
  相関フィルタに基づく追跡は無人航空機(UAV)に広く応用されている 境界効果とフィルタ腐敗という2つの欠陥がある。 同時ローカライゼーションとマッピングにインスパイアされ、視覚的トラッキングにおいて初めてkey-of-filterが提案される。
  論文  参考訳（メタデータ） (2020-03-11T11:11:16Z)

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。