論文の概要: Detecting and Tracking Small and Dense Moving Objects in Satellite Videos: A Benchmark

• arxiv url: http://arxiv.org/abs/2111.12960v1
• Date: Thu, 25 Nov 2021 08:01:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-30 12:55:12.102972
• Title: Detecting and Tracking Small and Dense Moving Objects in Satellite Videos: A Benchmark
• Title（参考訳）: 衛星ビデオにおける小型・高密度移動物体の検出と追跡:ベンチマーク
• Authors: Qian Yin, Qingyong Hu, Hao Liu, Feng Zhang, Yingqian Wang, Zaiping Lin, Wei An, Yulan Guo
• Abstract要約: オブジェクトの検出と追跡を行うタスクに対して,豊富なアノテーションを付加した大規模衛星ビデオデータセットを構築した。 このデータセットは、ジリン1の衛星コンステレーションによって収集される。 衛星ビデオにおける物体の検出と追跡を行うための最初の公開ベンチマークを確立する。
• 参考スコア（独自算出の注目度）: 30.078513715446196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Satellite video cameras can provide continuous observation for a large-scale area, which is important for many remote sensing applications. However, achieving moving object detection and tracking in satellite videos remains challenging due to the insufficient appearance information of objects and lack of high-quality datasets. In this paper, we first build a large-scale satellite video dataset with rich annotations for the task of moving object detection and tracking. This dataset is collected by the Jilin-1 satellite constellation and composed of 47 high-quality videos with 1,646,038 instances of interest for object detection and 3,711 trajectories for object tracking. We then introduce a motion modeling baseline to improve the detection rate and reduce false alarms based on accumulative multi-frame differencing and robust matrix completion. Finally, we establish the first public benchmark for moving object detection and tracking in satellite videos, and extensively evaluate the performance of several representative approaches on our dataset. Comprehensive experimental analyses and insightful conclusions are also provided. The dataset is available at https://github.com/QingyongHu/VISO.
• Abstract（参考訳）: 衛星ビデオカメラは、多くのリモートセンシングアプリケーションで重要な大規模領域に対して連続的な観測を提供することができる。 しかし,衛星映像における移動物体検出と追跡の実現は,物体の出現情報不足や高品質なデータセットの欠如により課題となっている。 本稿では,オブジェクトの検出と追跡を行うためのリッチアノテーションを備えた大規模衛星ビデオデータセットを最初に構築する。 このデータセットはjilin-1衛星コンステレーションによって収集され、47の高品質ビデオと1,646,038のオブジェクト検出および3,711のオブジェクト追跡のためのトラジェクタで構成されている。 次に,アキュマティブなマルチフレーム差分とロバストな行列補完に基づいて,検出率の向上と誤報を低減するための動作モデリングベースラインを導入する。 最後に,衛星映像における物体検出と追跡を行うための最初の公開ベンチマークを確立し,データセット上でのいくつかの代表的なアプローチの性能を広範囲に評価した。 総合的な実験分析と洞察に富んだ結論も提供される。 データセットはhttps://github.com/qingyonghu/visoで入手できる。

関連論文リスト

• Addressing single object tracking in satellite imagery through prompt-engineered solutions [2.098136587906041]
  衛星映像における小型物体の学習自由点追跡手法を提案する。 我々の戦略は、リモートセンシングアプリケーションにおける衛星画像に適したロバストな追跡ソリューションの大幅な進歩を示している。
  論文  参考訳（メタデータ） (2024-07-07T23:50:29Z)
• FlightScope: A Deep Comprehensive Review of Aircraft Detection Algorithms in Satellite Imagery [2.9687381456164004]
  本稿では,衛星画像中の航空機を識別するタスク用にカスタマイズされた,高度な物体検出アルゴリズム群を批判的に評価し,比較する。 この研究は、YOLOバージョン5と8、より高速なRCNN、CenterNet、RetinaNet、RTMDet、DETRを含む一連の方法論を含む。 YOLOv5は空中物体検出のための堅牢なソリューションとして登場し、平均的精度、リコール、ユニオンのスコアに対するインターセクションによってその重要性を裏付けている。
  論文  参考訳（メタデータ） (2024-04-03T17:24:27Z)
• SeMoLi: What Moves Together Belongs Together [51.72754014130369]
  動作手がかりに基づく半教師付き物体検出に挑戦する。 近年,移動物体の擬似ラベルインスタンスに対して,動きに基づくクラスタリング手法が適用可能であることが示唆された。 我々は、このアプローチを再考し、オブジェクト検出とモーションインスパイアされた擬似ラベルの両方が、データ駆動方式で取り組めることを示唆する。
  論文  参考訳（メタデータ） (2024-02-29T18:54:53Z)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• Heteroskedastic Geospatial Tracking with Distributed Camera Networks [15.938635024739845]
  本研究では,分散カメラネットワークのデータを用いた空間的物体追跡問題に焦点をあてる。 目的は、物体の位置に関する不確実性とともに、地理空間座標における物体の軌道を予測することである。 本研究では、4台のカメラのネットワークから高精度の地上真理物体の位置と映像データを含む新しい一物体地理空間追跡データセットを提案する。
  論文  参考訳（メタデータ） (2023-06-04T16:55:38Z)
• Learning to Track Object Position through Occlusion [32.458623495840904]
  オクルージョンは、物体検出器やトラッカーが直面する最も重要な課題の1つである。 本稿では,領域ベースビデオオブジェクト検出装置の成功に基づくトラッキング・バイ・検出手法を提案する。 提案手法は,インターネットから収集した家具組立ビデオのデータセットにおいて,優れた結果が得られる。
  論文  参考訳（メタデータ） (2021-06-20T22:29:46Z)
• Finding a Needle in a Haystack: Tiny Flying Object Detection in 4K Videos using a Joint Detection-and-Tracking Approach [19.59528430884104]
  本稿では,検出と追跡を共同で行うrecurrent correlational networkと呼ばれるニューラルネットワークモデルを提案する。 鳥や無人航空機などの小さな飛行物体の画像を含むデータセットを用いた実験では、提案手法は一貫した改善をもたらした。 我々のネットワークは、鳥の画像データセットのトラッカーとして評価されたとき、最先端の汎用オブジェクトトラッカと同様に機能します。
  論文  参考訳（メタデータ） (2021-05-18T03:22:03Z)
• Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
  周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。 移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-12T15:30:02Z)
• Ensembling object detectors for image and video data analysis [98.26061123111647]
  本稿では,複数の物体検出器の出力をアンサンブルすることで,画像データ上の境界ボックスの検出性能と精度を向上させる手法を提案する。 本研究では,2段階追跡に基づく検出精度向上手法を提案することで,映像データに拡張する。
  論文  参考訳（メタデータ） (2021-02-09T12:38:16Z)
• Benchmarking Unsupervised Object Representations for Video Sequences [111.81492107649889]
  ViMON, OP3, TBA, SCALORの4つのオブジェクト中心アプローチの知覚能力を比較した。 この結果から,制約のない潜在表現を持つアーキテクチャは,オブジェクト検出やセグメンテーション,トラッキングといった観点から,より強力な表現を学習できる可能性が示唆された。 我々のベンチマークは、より堅牢なオブジェクト中心のビデオ表現を学習するための実りあるガイダンスを提供するかもしれない。
  論文  参考訳（メタデータ） (2020-06-12T09:37:24Z)
• TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
  オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。 ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。 我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
  論文  参考訳（メタデータ） (2020-05-20T21:07:28Z)

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。