論文の概要: Saliency-Associated Object Tracking

• arxiv url: http://arxiv.org/abs/2108.03637v1
• Date: Sun, 8 Aug 2021 13:54:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-11 06:22:13.299806
• Title: Saliency-Associated Object Tracking
• Title（参考訳）: Saliency-Associated Object Tracking
• Authors: Zikun Zhou, Wenjie Pei, Xin Li, Hongpeng Wang, Feng Zheng, Zhenyu He
• Abstract要約: そこで本研究では,対象の局所的な局所的な部分の追跡について検討する。 特に,局所的な塩分を捕捉する微細な塩分採掘モジュールを提案する。 5つの多様なデータセットの実験により,提案手法が最先端トラッカーに対して良好に動作することを示す。
• 参考スコア（独自算出の注目度）: 42.79662997199292
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most existing trackers based on deep learning perform tracking in a holistic strategy, which aims to learn deep representations of the whole target for localizing the target. It is arduous for such methods to track targets with various appearance variations. To address this limitation, another type of methods adopts a part-based tracking strategy which divides the target into equal patches and tracks all these patches in parallel. The target state is inferred by summarizing the tracking results of these patches. A potential limitation of such trackers is that not all patches are equally informative for tracking. Some patches that are not discriminative may have adverse effects. In this paper, we propose to track the salient local parts of the target that are discriminative for tracking. In particular, we propose a fine-grained saliency mining module to capture the local saliencies. Further, we design a saliency-association modeling module to associate the captured saliencies together to learn effective correlation representations between the exemplar and the search image for state estimation. Extensive experiments on five diverse datasets demonstrate that the proposed method performs favorably against state-of-the-art trackers.
• Abstract（参考訳）: ディープラーニングに基づくほとんどの既存のトラッカーは、ターゲット全体の深い表現を学習して目標をローカライズすることを目的として、全体戦略で追跡を行う。 このような手法が様々な外観変化で目標を追跡するのは困難である。 この制限に対処するため、別のタイプのメソッドでは、ターゲットを同じパッチに分割し、これらすべてのパッチを並列に追跡するパートベースのトラッキング戦略を採用している。 ターゲット状態は、これらのパッチの追跡結果を要約することで推測される。 このようなトラッカーの潜在的な制限は、すべてのパッチが追跡に等しく有益であるとは限らないことである。 差別的でないいくつかのパッチは、悪影響を及ぼす可能性がある。 本稿では,対象の局所的な局所的な位置をトラッキングするために識別する手法を提案する。 特に,現地の塩分を捕捉するための細粒度塩分マイニングモジュールを提案する。 さらに, 取得した給与を関連付けることで, 実例と探索画像との効果的な相関表現を学習し, 状態推定のためのサリエンシー・アソシエーション・モデリングモジュールを設計する。 5つの多様なデータセットに対する大規模な実験により,提案手法が最先端トラッカーに対して好適に動作することを示した。

関連論文リスト

• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• CiteTracker: Correlating Image and Text for Visual Tracking [114.48653709286629]
  我々は、画像とテキストを接続することで、視覚的トラッキングにおけるターゲットモデリングと推論を強化するCiteTrackerを提案する。 具体的には、ターゲット画像パッチを記述テキストに変換するテキスト生成モジュールを開発する。 次に、注目に基づく相関モジュールを用いて対象記述と検索画像を関連付け、対象状態参照のための相関特徴を生成する。
  論文  参考訳（メタデータ） (2023-08-22T09:53:12Z)
• Mesh-SORT: Simple and effective of location-wise tracker [0.0]
  ほとんどのトラッキングシナリオでは、オブジェクトは移動し、特定の場所で失われる傾向があります。 本研究は,これらの地域を特定し,対象とすることのできる,追跡・関連のための異なる戦略を提案する。 我々は、失われたオブジェクトを扱うためのロバストな戦略と、検出によるトラッキングのための位置対応手法を提案する。
  論文  参考訳（メタデータ） (2023-02-28T08:47:53Z)
• Context-aware Visual Tracking with Joint Meta-updating [11.226947525556813]
  本稿では,シーケンス全体に沿った情報を活用することで,両ブランチを共同でメタ更新する,表現空間上のトラッカーを最適化するコンテキスト認識追跡モデルを提案する。 提案手法は,VOT2018におけるEAOスコアの0.514を40FPSの速度で達成し,基礎となるトラッカーの精度とロバスト性を向上できることを示す。
  論文  参考訳（メタデータ） (2022-04-04T14:16:00Z)
• Tracking by Joint Local and Global Search: A Target-aware Attention based Approach [63.50045332644818]
  本研究では、ロバストな追跡のための局所的・グローバルな共同探索を行うための新たな目標認識型アテンション機構(TANet)を提案する。 具体的には、ターゲットオブジェクトパッチと連続ビデオフレームの特徴を抽出し、それらをデコーダネットワークに追従して、ターゲットを意識したグローバルアテンションマップを生成する。 追跡手順において、ロバストな追跡のための候補探索領域を探索することにより、ターゲット認識の注意を複数のトラッカーと統合する。
  論文  参考訳（メタデータ） (2021-06-09T06:54:15Z)
• Discriminative Appearance Modeling with Multi-track Pooling for Real-time Multi-object Tracking [20.66906781151]
  マルチオブジェクトトラッキングでは、トラッカーはそのメモリ内にシーンの各オブジェクトの外観と動き情報を保持する。 多くのアプローチは、それぞれのターゲットを分離してモデル化し、シーン内のすべてのターゲットを使用してメモリを共同で更新する能力がない。 オンライン上でハードトラッキングのエピソードを生成するマルチトラックプーリングに適応したトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2021-01-28T18:12:39Z)
• 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)
• Know Your Surroundings: Exploiting Scene Information for Object Tracking [181.1750279330811]
  現在の最先端トラッカーは、各フレーム内のオブジェクトをローカライズするためにターゲットの外観モデルのみに依存している。 本研究では,トラッキングにシーン情報を利用する新しいトラッキングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-24T17:59:04Z)

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。