論文の概要: SiamAPN++: Siamese Attentional Aggregation Network for Real-Time UAV Tracking

• arxiv url: http://arxiv.org/abs/2106.08816v1
• Date: Wed, 16 Jun 2021 14:28:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-17 23:53:55.018624
• Title: SiamAPN++: Siamese Attentional Aggregation Network for Real-Time UAV Tracking
• Title（参考訳）: SiamAPN++: リアルタイムUAV追跡のためのシームズ注意集約ネットワーク
• Authors: Ziang Cao, Changhong Fu, Junjie Ye, Bowen Li, and Yiming Li
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 16.78336740951222
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, the Siamese-based method has stood out from multitudinous tracking methods owing to its state-of-the-art (SOTA) performance. Nevertheless, due to various special challenges in UAV tracking, \textit{e.g.}, severe occlusion, and fast motion, most existing Siamese-based trackers hardly combine superior performance with high efficiency. To this concern, in this paper, a novel attentional Siamese tracker (SiamAPN++) is proposed for real-time UAV tracking. By virtue of the attention mechanism, the attentional aggregation network (AAN) is conducted with self-AAN and cross-AAN, raising the expression ability of features eventually. The former AAN aggregates and models the self-semantic interdependencies of the single feature map via spatial and channel dimensions. The latter aims to aggregate the cross-interdependencies of different semantic features including the location information of anchors. In addition, the dual features version of the anchor proposal network is proposed to raise the robustness of proposing anchors, increasing the perception ability to objects with various scales. Experiments on two well-known authoritative benchmarks are conducted, where SiamAPN++ outperforms its baseline SiamAPN and other SOTA trackers. Besides, real-world tests onboard a typical embedded platform demonstrate that SiamAPN++ achieves promising tracking results with real-time speed.
• Abstract（参考訳）: 近年、シームズ法は、その最先端(SOTA)性能のため、多段階追跡法から際立っている。 にもかかわらず、UAV追跡における様々な特別な問題により、 \textit{e.g. が与えられた。 従来のシャム語ベースのトラッカーは、優れた性能と高い効率をあまり組み合わせてはいません。 そこで,本稿では,リアルタイムUAVトラッキングのための新しい注意型シームズトラッカー(SiamAPN++)を提案する。 注意機構により、アテンショナルアグリゲーションネットワーク(AAN)は、セルフAANとクロスAANで実行され、最終的には特徴の表現能力を向上する。 以前のAANは、空間次元とチャネル次元を通した単一特徴写像の自己意味的相互依存性を集約し、モデル化する。 後者は、アンカーの位置情報を含む異なるセマンティック機能の相互依存性を集約することを目的としている。 さらに、アンカー提案ネットワークのデュアル機能バージョンは、アンカーの提案の堅牢性を高め、様々なスケールのオブジェクトに対する知覚能力を高めるために提案されている。 SiamAPN++は、そのベースラインであるSiamAPNや他のSOTAトラッカーよりも優れている。 さらに、一般的な組み込みプラットフォーム上の実世界のテストでは、SiamAPN++がリアルタイムの速度で有望なトラッキング結果を達成することを示した。

関連論文リスト

• Siamese Object Tracking for Vision-Based UAM Approaching with Pairwise Scale-Channel Attention [27.114231832842034]
  本研究は、視覚に基づくUAMアプローチのためのペアワイズスケールチャネルアテンション(SiamSA)を備えた新しいSiameseネットワークを提案する。 SiamSAは、ペアワイズスケールチャネルアテンションネットワーク(PSAN)とスケールアウェアアンカー提案ネットワーク(SA-APN)で構成されている。
  論文  参考訳（メタデータ） (2022-11-26T13:33:49Z)
• OST: Efficient One-stream Network for 3D Single Object Tracking in Point Clouds [6.661881950861012]
  本稿では,従来のシームズネットワークで発生した相関操作を回避するために,インスタンスレベルのエンコーディングの強みを活かした新しい一ストリームネットワークを提案する。 提案手法は,クラス固有のトラッキングだけでなく,より少ない計算と高い効率でクラスに依存しないトラッキングを実現する。
  論文  参考訳（メタデータ） (2022-10-16T12:31:59Z)
• Siamese Object Tracking for Unmanned Aerial Vehicle: A Review and Comprehensive Analysis [15.10348491862546]
  無人航空機(UAV)による視覚的物体追跡は幅広い応用を可能にしている。 シームズネットワークは、精度、堅牢性、スピードの有望なバランスを保ちながら、視覚的オブジェクト追跡に光を当てている。
  論文  参考訳（メタデータ） (2022-05-09T13:53:34Z)
• Joint Feature Learning and Relation Modeling for Tracking: A One-Stream Framework [76.70603443624012]
  特徴学習と関係モデリングを統合した新しい一ストリーム追跡(OSTrack)フレームワークを提案する。 このようにして、相互誘導により識別的目標指向特徴を動的に抽出することができる。 OSTrackは、複数のベンチマークで最先端のパフォーマンスを実現しており、特に、ワンショットトラッキングベンチマークのGOT-10kでは印象的な結果を示している。
  論文  参考訳（メタデータ） (2022-03-22T18:37:11Z)
• Correlation-Aware Deep Tracking [83.51092789908677]
  本稿では,自己/横断的意図に着想を得た,新たなターゲット依存型特徴ネットワークを提案する。 我々のネットワークは機能ネットワークの複数の層にクロスイメージの特徴相関を深く埋め込んでいる。 我々のモデルは、豊富な未ペア画像に対して柔軟に事前訓練が可能であり、既存の手法よりも顕著に高速な収束をもたらす。
  論文  参考訳（メタデータ） (2022-03-03T11:53:54Z)
• Real-Time Siamese Multiple Object Tracker with Enhanced Proposals [2.4923006485141284]
  SiamMOTIONは、数十の任意のオブジェクトをリアルタイムで追跡できる。 注意機構と関心領域抽出器によって品質特性を生産する。 SiamMOTIONは5つの公開ベンチマークで検証されている。
  論文  参考訳（メタデータ） (2022-02-10T11:41:27Z)
• Efficient Person Search: An Anchor-Free Approach [86.45858994806471]
  パーソンサーチは、クエリーの人物を、リアルで切り刻まれていない画像から、同時にローカライズし、識別することを目的としている。 この目標を達成するために、最先端モデルは通常、Faster R-CNNのような2段階検出器にre-idブランチを追加する。 本研究では,この課題に対処するためのアンカーフリーな手法を提案する。
  論文  参考訳（メタデータ） (2021-09-01T07:01:33Z)
• Online Multiple Object Tracking with Cross-Task Synergy [120.70085565030628]
  位置予測と埋め込み結合の相乗効果を考慮した新しい統一モデルを提案する。 この2つのタスクは、時間認識対象の注意と注意の注意、およびアイデンティティ認識メモリ集約モデルによってリンクされる。
  論文  参考訳（メタデータ） (2021-04-01T10:19:40Z)
• Self-supervised Object Tracking with Cycle-consistent Siamese Networks [55.040249900677225]
  我々は、オブジェクト追跡のためのサイクル一貫性の自己監視フレームワークにおいて、エンドツーエンドのSiameseネットワークを利用する。 トラッキングフレームワークにシームズ領域の提案とマスク回帰ネットワークを統合することで,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
  論文  参考訳（メタデータ） (2020-08-03T04:10:38Z)
• 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)

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。