論文の概要: HM-Net: A Regression Network for Object Center Detection and Tracking on Wide Area Motion Imagery

• arxiv url: http://arxiv.org/abs/2110.09881v1
• Date: Tue, 19 Oct 2021 11:56:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-20 14:05:07.828240
• Title: HM-Net: A Regression Network for Object Center Detection and Tracking on Wide Area Motion Imagery
• Title（参考訳）: HM-Net:広域動画像のオブジェクトセンター検出と追跡のための回帰ネットワーク
• Authors: Hakki Motorcu, Hasan F. Ates, H. Fatih Ugurdag, and Bahadir Gunturk
• Abstract要約: 我々は、ディープニューラルネットワークに基づくオブジェクト検出と追跡の複合モデル、すなわちHeat Map Network(HM-Net)を提案する。 HM-Netは、最先端のフレーム差分法やバックグラウンドサブトラクション法よりも大幅に高速である。 WPAFBデータセット上で、最先端のWAMI移動物体の検出と追跡方法より優れています。
• 参考スコア（独自算出の注目度）: 1.2249546377051437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wide Area Motion Imagery (WAMI) yields high resolution images with a large number of extremely small objects. Target objects have large spatial displacements throughout consecutive frames. This nature of WAMI images makes object tracking and detection challenging. In this paper, we present our deep neural network-based combined object detection and tracking model, namely, Heat Map Network (HM-Net). HM-Net is significantly faster than state-of-the-art frame differencing and background subtraction-based methods, without compromising detection and tracking performances. HM-Net follows object center-based joint detection and tracking paradigm. Simple heat map-based predictions support unlimited number of simultaneous detections. The proposed method uses two consecutive frames and the object detection heat map obtained from the previous frame as input, which helps HM-Net monitor spatio-temporal changes between frames and keeps track of previously predicted objects. Although reuse of prior object detection heat map acts as a vital feedback-based memory element, it can lead to unintended surge of false positive detections. To increase robustness of the method against false positives and to eliminate low confidence detections, HM-Net employs novel feedback filters and advanced data augmentations. HM-Net outperforms state-of-the-art WAMI moving object detection and tracking methods on WPAFB dataset with its 96.2% F1 and 94.4% mAP detection scores, while achieving a 61.8% mAP tracking score on the same dataset.
• Abstract（参考訳）: ワイド・エリア・モーション・イメージリー(WAMI)は、多数の非常に小さなオブジェクトを持つ高解像度画像を生成する。 ターゲットオブジェクトは連続したフレームを通して大きな空間変位を持つ。 このwami画像の性質は、物体の追跡と検出を困難にする。 本稿では,深層ニューラルネットワークを用いた物体検出・追跡モデルであるヒートマップネットワーク(hm-net)について述べる。 HM-Netは、検出と追跡性能を損なうことなく、最先端のフレーム差分法やバックグラウンドサブトラクション法よりも大幅に高速である。 HM-Netはオブジェクト中心に基づく共同検出と追跡のパラダイムに従う。 単純なヒートマップに基づく予測は、無限個の同時検出をサポートする。 提案手法では,従来のフレームから得られた物体検出ヒートマップを入力として,フレーム間の時空間変化をhm-netが監視し,予測した物体の追跡を行う。 事前の物体検出熱マップの再利用は、重要なフィードバックに基づくメモリ要素として機能するが、意図しない偽陽性検出の急増につながる可能性がある。 偽陽性に対する手法の堅牢性を高め、信頼性の低い検出をなくすため、HM-Netは新たなフィードバックフィルタと高度なデータ拡張を採用している。 HM-Netは、96.2%のF1と94.4%のmAP検出スコアでWPAFBデータセット上で、最先端のWAMI移動物体検出と追跡手法を上回り、同じデータセット上で61.8%のmAPトラッキングスコアを達成した。

関連論文リスト

• UnsMOT: Unified Framework for Unsupervised Multi-Object Tracking with Geometric Topology Guidance [6.577227592760559]
  UnsMOTは、オブジェクトの外観と運動の特徴と幾何学的情報を組み合わせて、より正確なトラッキングを提供する新しいフレームワークである。 実験結果から, HOTA, IDF1, MOTAの計測値において, 最先端手法と比較して顕著な性能を示した。
  論文  参考訳（メタデータ） (2023-09-03T04:58:12Z)
• ByteTrackV2: 2D and 3D Multi-Object Tracking by Associating Every Detection Box [81.45219802386444]
  マルチオブジェクトトラッキング(MOT)は、ビデオフレーム間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。 低スコア検出ボックス内の真のオブジェクトをマイニングするための階層型データアソシエーション戦略を提案する。 3次元のシナリオでは、トラッカーが世界座標の物体速度を予測するのがずっと簡単である。
  論文  参考訳（メタデータ） (2023-03-27T15:35:21Z)
• Real-time Multi-Object Tracking Based on Bi-directional Matching [0.0]
  本研究では,多目的追跡のための双方向マッチングアルゴリズムを提案する。 ストランド領域はマッチングアルゴリズムで使われ、追跡できないオブジェクトを一時的に保存する。 MOT17チャレンジでは、提案アルゴリズムは63.4%のMOTA、55.3%のIDF1、20.1のFPS追跡速度を達成した。
  論文  参考訳（メタデータ） (2023-03-15T08:38:08Z)
• 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)
• FMODetect: Robust Detection and Trajectory Estimation of Fast Moving Objects [110.29738581961955]
  高速移動物体の検出と軌道推定のための最初の学習ベースアプローチを提案する。 提案手法は, 高速移動物体を軌道への切り離された距離関数として検出する。 シャープな外観推定のために,エネルギー最小化に基づくデブロワーリングを提案する。
  論文  参考訳（メタデータ） (2020-12-15T11:05:34Z)
• DS-Net: Dynamic Spatiotemporal Network for Video Salient Object Detection [78.04869214450963]
  時間情報と空間情報のより効果的な融合のための新しい動的時空間ネットワーク(DSNet)を提案する。 提案手法は最先端アルゴリズムよりも優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-09T06:42:30Z)
• Learning Spatio-Appearance Memory Network for High-Performance Visual Tracking [79.80401607146987]
  既存のオブジェクトトラッキングは通常、フレーム間の視覚的ターゲットにマッチするバウンディングボックスベースのテンプレートを学習する。 本稿では,局所時間メモリネットワークを備え,正確な時空間対応を学習するセグメンテーションに基づく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） (2020-09-21T08:12:02Z)
• 3D Object Detection and Tracking Based on Streaming Data [9.085584050311178]
  我々は、オンに基づいて3次元物体検出のためのデュアルウェイネットワークを構築し、時間情報で導かれる動きに基づくアルゴリズムにより、非キーフレームに予測を伝達する。 我々のフレームワークはフレーム・バイ・フレーム・パラダイムよりも大幅に改善されているだけでなく、KITTI Object Tracking Benchmarkで競合する結果が得られることが証明されている。
  論文  参考訳（メタデータ） (2020-09-14T03:15:41Z)
• End-to-End Multi-Object Tracking with Global Response Map [23.755882375664875]
  画像シーケンス/映像を入力とし、学習対象の位置と追跡対象を直接出力する、完全にエンドツーエンドのアプローチを提案する。 具体的には,提案した多目的表現戦略により,グローバル応答マップをフレーム上で正確に生成することができる。 MOT16 と MOT17 のベンチマークによる実験結果から,提案したオンライントラッカーは,いくつかのトラッキング指標において最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-07-13T12:30:49Z)
• Depthwise Non-local Module for Fast Salient Object Detection Using a Single Thread [136.2224792151324]
  本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。 提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
  論文  参考訳（メタデータ） (2020-01-22T15:23:48Z)
• NETNet: Neighbor Erasing and Transferring Network for Better Single Shot Object Detection [170.30694322460045]
  我々は、ピラミッドの特徴を再設定し、スケールアウェアな特徴を探索する新しいNeighbor Erasing and Transferring(NET)メカニズムを提案する。 NETNetと呼ばれるシングルショットネットワークは、スケールアウェアなオブジェクト検出のために構築されている。
  論文  参考訳（メタデータ） (2020-01-18T15:21:29Z)

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。