論文の概要: New Performance Measures for Object Tracking under Complex Environments

• arxiv url: http://arxiv.org/abs/2111.07145v1
• Date: Sat, 13 Nov 2021 16:32:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 12:44:57.471331
• Title: New Performance Measures for Object Tracking under Complex Environments
• Title（参考訳）: 複雑な環境下における物体追跡のための新しい性能対策
• Authors: Ajoy Mondal
• Abstract要約: 本研究では,複雑な環境下での追跡アルゴリズムの質を評価するために,地中真理情報に基づく3つの新しい補助的性能指標を提案する。 いくつかの例と実験結果から,提案手法はそのような複雑な環境下での物体追跡のための1つのアルゴリズムを定量化するための既存の手法よりも優れていると結論付けている。
• 参考スコア（独自算出の注目度）: 7.056222499095849
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Various performance measures based on the ground truth and without ground truth exist to evaluate the quality of a developed tracking algorithm. The existing popular measures - average center location error (ACLE) and average tracking accuracy (ATA) based on ground truth, may sometimes create confusion to quantify the quality of a developed algorithm for tracking an object under some complex environments (e.g., scaled or oriented or both scaled and oriented object). In this article, we propose three new auxiliary performance measures based on ground truth information to evaluate the quality of a developed tracking algorithm under such complex environments. Moreover, one performance measure is developed by combining both two existing measures ACLE and ATA and three new proposed measures for better quantifying the developed tracking algorithm under such complex conditions. Some examples and experimental results conclude that the proposed measure is better than existing measures to quantify one developed algorithm for tracking objects under such complex environments.
• Abstract（参考訳）: 改良された追跡アルゴリズムの品質を評価するために, 基礎的真理と基礎的真理を含まない様々な性能測定方法が存在する。 既存の一般的な測度 - 平均中心位置誤差 (ACLE) と平均追跡精度 (ATA) は、ある複雑な環境下でオブジェクトを追跡するために開発されたアルゴリズムの品質を定量化するために混乱を引き起こすことがある。 本稿では,このような複雑な環境下での追跡アルゴリズムの質を評価するために,地中真理情報に基づく3つの新しい補助的性能指標を提案する。 さらに,ACLEとATAの2つの既存手法と,そのような複雑な条件下での追跡アルゴリズムの定量化のための3つの新しい手法を組み合わせることで,一つの性能測定法を開発した。 いくつかの例と実験の結果は、このような複雑な環境下でオブジェクトを追跡するための1つのアルゴリズムを定量化するための既存の手法よりも良いと結論づけている。

関連論文リスト

• CTS: Sim-to-Real Unsupervised Domain Adaptation on 3D Detection [16.96201890965781]
  本稿では,ラベル付きシミュレーションからラベル付き現実領域へモデルを転送するための新しいフレームワークを提案する。 実験結果から,提案手法は3次元物体検出モデルの実領域適応能力を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2024-06-26T07:31:16Z)
• Hybrid ACO-CI Algorithm for Beam Design problems [0.4397520291340694]
  The novel hybrid version of the Ant colony optimization (ACO) method was developed using the sample space reduction technique of the Cohort Intelligence (CI) algorithm。 提案した研究は、工学領域や医療問題を含む現実世界の応用について検討することができる。
  論文  参考訳（メタデータ） (2023-03-29T04:37:14Z)
• An Informative Tracking Benchmark [133.0931262969931]
  既存のデータセットと新たに収集されたデータセットの1.2Mフレームのうち7%が、小型かつ情報的追跡ベンチマーク(ITB)である。 1) 課題レベル, 2) 識別力, 3) 外観変化の密度を考慮し, 既存のベンチマークから最も有意義なシーケンスを選択する。 同一データ上で再学習した15の最先端トラッカーの結果を解析することにより,各シナリオ下でのロバストなトラッカーの効果的な手法を決定できる。
  論文  参考訳（メタデータ） (2021-12-13T07:56:16Z)
• A survey on multi-objective hyperparameter optimization algorithms for Machine Learning [62.997667081978825]
  本稿では,多目的HPOアルゴリズムに関する2014年から2020年にかけての文献を体系的に調査する。 メタヒューリスティック・ベース・アルゴリズムとメタモデル・ベース・アルゴリズム,および両者を混合したアプローチを区別する。 また,多目的HPO法と今後の研究方向性を比較するための品質指標についても論じる。
  論文  参考訳（メタデータ） (2021-11-23T10:22:30Z)
• Few-shot Quality-Diversity Optimization [50.337225556491774]
  品質多様性(QD)の最適化は、強化学習における知覚的最小値とスパース報酬を扱う上で効果的なツールであることが示されている。 本稿では,タスク分布の例から,パラメータ空間の最適化によって得られる経路の情報を利用して,未知の環境でQD手法を初期化する場合,数発の適応が可能であることを示す。 ロボット操作とナビゲーションベンチマークを用いて、疎密な報酬設定と密集した報酬設定の両方で実施された実験は、これらの環境でのQD最適化に必要な世代数を著しく削減することを示している。
  論文  参考訳（メタデータ） (2021-09-14T17:12:20Z)
• Policy Information Capacity: Information-Theoretic Measure for Task Complexity in Deep Reinforcement Learning [83.66080019570461]
  課題の難易度について,環境にとらわれない,アルゴリズムにとらわれない2つの定量的指標を提案する。 これらの指標は、様々な代替案よりも、正規化タスク可解性スコアとの相関が高いことを示す。 これらのメトリクスは、鍵設計パラメータの高速かつ計算効率の良い最適化にも使用できる。
  論文  参考訳（メタデータ） (2021-03-23T17:49:50Z)
• AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
  一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。 前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。 本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-08-17T13:22:01Z)
• Robust Ego and Object 6-DoF Motion Estimation and Tracking [5.162070820801102]
  本稿では,動的多体視覚計測における高精度な推定と一貫した追跡性を実現するためのロバストな解を提案する。 セマンティック・インスタンスレベルのセグメンテーションと正確な光フロー推定の最近の進歩を活用して、コンパクトで効果的なフレームワークを提案する。 追従点の品質と運動推定精度を向上させる新しい定式化SE(3)運動と光流が導入された。
  論文  参考訳（メタデータ） (2020-07-28T05:12:56Z)
• Beyond Worst-Case Analysis in Stochastic Approximation: Moment Estimation Improves Instance Complexity [58.70807593332932]
  近似問題に対する勾配に基づく手法のオラクル複雑性について検討する。 最悪のケースの複雑さではなく、インスタンス依存の複雑さに焦点を当てます。 提案アルゴリズムとその解析はモーメント推定の成功を理論的に正当化する。
  論文  参考訳（メタデータ） (2020-06-08T09:25:47Z)
• EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association [13.066862774833867]
  パラメトリックおよび非パラメトリック統計テストを統合するためのアンサンブルデータアソシエイト戦略を提案する。 そこで我々は,アウトリーズ・ロスト・センタロイドとスケール推定アルゴリズムを開発した,正確なオブジェクトポーズ推定フレームワークを提案する。 モノクロカメラを用いた半高精細もしくは軽量なオブジェクト指向マップを作成できるSLAMシステムを構築した。
  論文  参考訳（メタデータ） (2020-04-27T11:59:28Z)
• SQE: a Self Quality Evaluation Metric for Parameters Optimization in Multi-Object Tracking [25.723436561224297]
  本稿では,パラメータ最適化のための新しい自己品質評価指標SQEを提案する。 対照的に、我々の計量は軌道仮説の内部特性を反映し、真理を示さずに性能を追跡する。
  論文  参考訳（メタデータ） (2020-04-16T06:07:29Z)

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。