論文の概要: DarkLighter: Light Up the Darkness for UAV Tracking
- arxiv url: http://arxiv.org/abs/2107.14389v1
- Date: Fri, 30 Jul 2021 01:37:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-02 12:56:55.497243
- Title: DarkLighter: Light Up the Darkness for UAV Tracking
- Title(参考訳): DarkLighter:UAV追跡の暗さを明るくする
- Authors: Junjie Ye, Changhong Fu, Guangze Zheng, Ziang Cao, Bowen Li
- Abstract要約: 本研究は低照度画像エンハンサーであるDarkLighterを提案する。
ライトウェイトマップ推定ネットワーク、すなわちME-Netは、照明マップとノイズマップを共同で効率的に推定するために訓練される。
いくつかのSOTAトラッカーで多数のUAVダークトラッキングシーンで実験が行われた。
- 参考スコア(独自算出の注目度): 14.901582782711627
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have witnessed the fast evolution and promising performance of
the convolutional neural network (CNN)-based trackers, which aim at imitating
biological visual systems. However, current CNN-based trackers can hardly
generalize well to low-light scenes that are commonly lacked in the existing
training set. In indistinguishable night scenarios frequently encountered in
unmanned aerial vehicle (UAV) tracking-based applications, the robustness of
the state-of-the-art (SOTA) trackers drops significantly. To facilitate aerial
tracking in the dark through a general fashion, this work proposes a low-light
image enhancer namely DarkLighter, which dedicates to alleviate the impact of
poor illumination and noise iteratively. A lightweight map estimation network,
i.e., ME-Net, is trained to efficiently estimate illumination maps and noise
maps jointly. Experiments are conducted with several SOTA trackers on numerous
UAV dark tracking scenes. Exhaustive evaluations demonstrate the reliability
and universality of DarkLighter, with high efficiency. Moreover, DarkLighter
has further been implemented on a typical UAV system. Real-world tests at night
scenes have verified its practicability and dependability.
- Abstract(参考訳): 近年、生物の視覚システムを模倣することを目的とした畳み込みニューラルネットワーク(CNN)ベースのトラッカーの急速な進化と将来的な性能を目撃している。
しかし、現在のCNNベースのトラッカーは、既存のトレーニングセットに欠けている低照度シーンに対して、ほとんど一般化できない。
無人航空機(UAV)トラッキングベースのアプリケーションで頻繁に発生する識別不能な夜間シナリオでは、最先端のSOTAトラッカーの堅牢性は著しく低下する。
そこで本研究では,暗いところでの空中追跡を容易にするため,低照度画像エンハンサーdarlighterを提案する。
ライトウェイトマップ推定ネットワーク、すなわちme-netを訓練し、照明マップとノイズマップを共同で効率的に推定する。
いくつかのSOTAトラッカーで多数のUAVダークトラッキングシーンで実験が行われた。
排気評価は、高効率でDarkLighterの信頼性と普遍性を示す。
さらに、DarkLighterは一般的なUAVシステムにも実装されている。
夜間の実際のテストでは、実用性と信頼性が検証されている。
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) - Improving Underwater Visual Tracking With a Large Scale Dataset and
Image Enhancement [70.2429155741593]
本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。
水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。
本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。
この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
論文 参考訳(メタデータ) (2023-08-30T07:41:26Z) - Propagate And Calibrate: Real-time Passive Non-line-of-sight Tracking [84.38335117043907]
本研究では,リレー壁のみを観察することで,見えない部屋を歩いている人を追跡する純粋受動的手法を提案する。
本研究では,リレー壁の映像の非知覚的変化を発掘するため,時間的局所的な動きの伝達に欠かせない特徴として差分フレームを導入する。
提案手法を評価するため,最初の動的受動NLOS追跡データセットであるNLOS-Trackを構築し,公開する。
論文 参考訳(メタデータ) (2023-03-21T12:18:57Z) - Tracker Meets Night: A Transformer Enhancer for UAV Tracking [20.74868878876137]
空間チャネルトランスを用いた低照度エンハンサが提案され, 追従手法に先立って接続される。
高レベルタスクを対象としたセマンティックレベルの低照度化を実現するために,新しい空間チャネルアテンションモジュールを提案する。
エンハンスメント工程では、SCTは夜間画像を同時にデノイズし、照明する。
論文 参考訳(メタデータ) (2023-03-20T09:18:52Z) - 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) - HighlightNet: Highlighting Low-Light Potential Features for Real-Time
UAV Tracking [13.076998989872212]
低照度環境は、頑丈な無人航空機(UAV)の追跡に深刻な課題をもたらしている。
この研究は、人間のオペレータとUAVトラッカーの両方の潜在的なオブジェクトを照らすための新しいエンハンサー、すなわちHighlightNetを提案する。
論文 参考訳(メタデータ) (2022-08-14T10:09:35Z) - ADTrack: Target-Aware Dual Filter Learning for Real-Time Anti-Dark UAV
Tracking [17.80444543935194]
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。
論文 参考訳(メタデータ) (2021-06-04T14:05:24Z) - LightTrack: Finding Lightweight Neural Networks for Object Tracking via
One-Shot Architecture Search [104.84999119090887]
ニューラルアーキテクチャサーチ(NAS)を用いて、より軽量で効率的なオブジェクトトラッカーを設計するLightTrackを提案する。
総合的な実験は、LightTrackが効果的であることを示している。
SiamRPN++やOceanといった手作りのSOTAトラッカーよりも優れたパフォーマンスを実現するトラッカーを見つけることができる。
論文 参考訳(メタデータ) (2021-04-29T17:55:24Z) - 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) - Robust Visual Object Tracking with Two-Stream Residual Convolutional
Networks [62.836429958476735]
視覚追跡のための2ストリーム残差畳み込みネットワーク(TS-RCN)を提案する。
私たちのTS-RCNは、既存のディープラーニングベースのビジュアルトラッカーと統合することができます。
トラッキング性能をさらに向上するため、我々はResNeXtを特徴抽出バックボーンとして採用する。
論文 参考訳(メタデータ) (2020-05-13T19:05:42Z)
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。