論文の概要: On the detection-to-track association for online multi-object tracking

• arxiv url: http://arxiv.org/abs/2107.00500v1
• Date: Thu, 1 Jul 2021 14:44:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-02 17:47:33.466300
• Title: On the detection-to-track association for online multi-object tracking
• Title（参考訳）: オンラインマルチオブジェクトトラッキングのための検出・追跡関連について
• Authors: Xufeng Lin, Chang-Tsun Li, Victor Sanchez, Carsten Maple
• Abstract要約: トラックの歴史的外観距離をインクリメンタルなガウス混合モデル(IGMM)でモデル化するハイブリッドトラックアソシエーションアルゴリズムを提案する。 3つのMOTベンチマークによる実験結果から,HTAが目標識別性能を向上し,追跡速度に多少の妥協を施すことが確認された。
• 参考スコア（独自算出の注目度）: 30.883165972525347
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Driven by recent advances in object detection with deep neural networks, the tracking-by-detection paradigm has gained increasing prevalence in the research community of multi-object tracking (MOT). It has long been known that appearance information plays an essential role in the detection-to-track association, which lies at the core of the tracking-by-detection paradigm. While most existing works consider the appearance distances between the detections and the tracks, they ignore the statistical information implied by the historical appearance distance records in the tracks, which can be particularly useful when a detection has similar distances with two or more tracks. In this work, we propose a hybrid track association (HTA) algorithm that models the historical appearance distances of a track with an incremental Gaussian mixture model (IGMM) and incorporates the derived statistical information into the calculation of the detection-to-track association cost. Experimental results on three MOT benchmarks confirm that HTA effectively improves the target identification performance with a small compromise to the tracking speed. Additionally, compared to many state-of-the-art trackers, the DeepSORT tracker equipped with HTA achieves better or comparable performance in terms of the balance of tracking quality and speed.
• Abstract（参考訳）: ディープニューラルネットワークによるオブジェクト検出の最近の進歩により、マルチオブジェクトトラッキング(mot)の研究コミュニティでは、トラッキングバイ検出パラダイムが普及している。 出現情報はトラッキング・バイ・検出パラダイムの中核にある検出・追跡関連において重要な役割を担っていることが長年に渡り知られている。 既存のほとんどの研究は、検出とトラック間の外観距離を考慮しているが、トラック内の歴史的外観距離の記録によって示唆される統計情報を無視しており、検出が2つ以上のトラックと類似した距離を持つ場合に特に有用である。 本研究では,トラックの歴史的外観距離をインクリメンタルなガウス混合モデル(IGMM)でモデル化するハイブリッドトラックアソシエーション(HTA)アルゴリズムを提案する。 3つのMOTベンチマークによる実験結果から,HTAが目標識別性能を向上し,追跡速度に多少の妥協を与えることを確認した。 さらに、多くの最先端トラッカーと比較して、HTAを装備したDeepSORTトラッカーは、トラッキング品質と速度のバランスの点で、より良いあるいは同等のパフォーマンスを達成する。

関連論文リスト

• Multi-object Tracking by Detection and Query: an efficient end-to-end manner [23.926668750263488]
  従来の検出によるトラッキングと、クエリによる新たなトラッキングだ。 本稿では,学習可能なアソシエータによって達成されるトラッキング・バイ・検出・クエリーのパラダイムを提案する。 トラッキング・バイ・クエリーモデルと比較すると、LAIDは特に訓練効率の高い競合追跡精度を達成している。
  論文  参考訳（メタデータ） (2024-11-09T14:38:08Z)
• 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)
• QDTrack: Quasi-Dense Similarity Learning for Appearance-Only Multiple Object Tracking [73.52284039530261]
  本稿では,コントラスト学習のために,画像上に数百のオブジェクト領域を密集した擬似Dense類似性学習を提案する。 得られた特徴空間は、オブジェクトアソシエーションの推論時間において、単純な近接探索を許容する。 我々の類似性学習方式は,ビデオデータに限らず,静的入力でも有効なインスタンス類似性を学ぶことができることを示す。
  論文  参考訳（メタデータ） (2022-10-12T15:47:36Z)
• Minkowski Tracker: A Sparse Spatio-Temporal R-CNN for Joint Object Detection and Tracking [53.64390261936975]
  我々はオブジェクトの検出と追跡を共同で解決するスパース時間R-CNNであるMinkowski Trackerを提案する。 領域ベースCNN(R-CNN)に着想を得て,物体検出器R-CNNの第2段階として動きを追跡することを提案する。 大規模実験では,本手法の総合的な性能向上は4つの要因によることがわかった。
  論文  参考訳（メタデータ） (2022-08-22T04:47:40Z)
• Detection Recovery in Online Multi-Object Tracking with Sparse Graph Tracker [17.00871668925939]
  既存の共同検出・追跡手法では、従来のトラックレットと現在の検出とを一致させるために、ペアワイズ・リレーショナルな特徴を用いる。 Sparse Graph Tracker (SGT) はより差別的な高次関係特徴を用いた新しいオンライングラフトラッカーである。 MOT16/17/20とHiEve Challengeでは、SGTはリアルタイムの推論速度で最先端のトラッカーを上回っている。
  論文  参考訳（メタデータ） (2022-05-02T15:09:36Z)
• DSRRTracker: Dynamic Search Region Refinement for Attention-based Siamese Multi-Object Tracking [13.104037155691644]
  本稿では,ガウスフィルタにインスパイアされた動的探索領域改良モジュールを用いたエンドツーエンドMOT法を提案する。 提案手法は,最先端の性能を妥当な速度で達成することができる。
  論文  参考訳（メタデータ） (2022-03-21T04:14:06Z)
• 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)
• DEFT: Detection Embeddings for Tracking [3.326320568999945]
  我々は,DEFT と呼ばれる効率的な関節検出・追跡モデルを提案する。 提案手法は,外見に基づくオブジェクトマッチングネットワークと,下層のオブジェクト検出ネットワークとの協調学習に依存している。 DEFTは2Dオンライントラッキングリーダーボードのトップメソッドに匹敵する精度とスピードを持っている。
  論文  参考訳（メタデータ） (2021-02-03T20:00:44Z)
• Probabilistic Tracklet Scoring and Inpainting for Multiple Object Tracking [83.75789829291475]
  本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。 これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。 我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-03T23:59:27Z)
• Tracking-by-Counting: Using Network Flows on Crowd Density Maps for Tracking Multiple Targets [96.98888948518815]
  State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。 混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
  論文  参考訳（メタデータ） (2020-07-18T19:51:53Z)

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。