論文の概要: A Survey for Deep RGBT Tracking

• arxiv url: http://arxiv.org/abs/2201.09296v1
• Date: Sun, 23 Jan 2022 15:52:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-26 10:00:08.082833
• Title: A Survey for Deep RGBT Tracking
• Title（参考訳）: 深部rgbt追跡に関する調査
• Authors: Zhangyong Tang (1), Tianyang Xu (1) and Xiao-Jun Wu (1) ((1) Jiangnan University, China)
• Abstract要約: 可視光(RGB)と熱赤外(TIR)電磁波(RGBT)による物体追跡は、最近トラッキングコミュニティで注目を集めている。 ディープラーニングの急速な発展を考えると、最近のディープニューラルネットワークベースのRGBTトラッカーのサーベイが紹介されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual object tracking with the visible (RGB) and thermal infrared (TIR) electromagnetic waves, shorted in RGBT tracking, recently draws increasing attention in the tracking community. Considering the rapid development of deep learning, a survey for the recent deep neural network based RGBT trackers is presented in this paper. Firstly, we give brief introduction for the RGBT trackers concluded into this category. Then, a comparison among the existing RGBT trackers on several challenging benchmarks is given statistically. Specifically, MDNet and Siamese architectures are the two mainstream frameworks in the RGBT community, especially the former. Trackers based on MDNet achieve higher performance while Siamese-based trackers satisfy the real-time requirement. In summary, since the large-scale dataset LasHeR is published, the integration of end-to-end framework, e.g., Siamese and Transformer, should be further considered to fulfil the real-time as well as more robust performance. Furthermore, the mathematical meaning should be more considered during designing the network. This survey can be treated as a look-up-table for researchers who are concerned about RGBT tracking.
• Abstract（参考訳）: 可視光(RGB)と熱赤外(TIR)電磁波(RGBT)による物体追跡は、最近トラッキングコミュニティで注目を集めている。 本稿では,ディープラーニングの急速な発展を考えると,近年の深層ニューラルネットワークを用いたRGBTトラッカーの探索について述べる。 まず、このカテゴリにまとめられたRGBTトラッカーについて簡単な紹介を行う。 次に、いくつかの困難なベンチマークにおいて、既存のrgbtトラッカーの比較を統計的に与える。 具体的には、MDNetとSiameseアーキテクチャはRGBTコミュニティ、特に前者の2つの主要なフレームワークである。 MDNetに基づくトラッカーは高い性能を達成する一方、シームズベースのトラッカーはリアルタイム要件を満たす。 要約すると、大規模なデータセットLasHeRが公開されたため、例えば、SiameseやTransformerといったエンドツーエンドフレームワークの統合は、リアルタイムだけでなく、より堅牢なパフォーマンスを実現するためにさらに考慮されるべきである。 さらに、ネットワークの設計において数学的意味を考慮すべきである。 この調査は、RGBTトラッキングに関心がある研究者のルックアップテーブルとして扱うことができる。

関連論文リスト

• Long-term Frame-Event Visual Tracking: Benchmark Dataset and Baseline [37.06330707742272]
  まず, FELTと呼ばれる, 長期的かつ大規模な単一オブジェクト追跡データセットを提案する。 742の動画と1,594,474のRGBフレームとイベントストリームペアが含まれており、これまでで最大のフレームイベント追跡データセットになっている。 本稿では,RGBとイベントデータの両方を融合させるために,現代的なホップフィールド層をマルチヘッド自己アテンションブロックに導入することで,統一バックボーンとして新しい連想メモリトランスフォーマーネットワークを提案する。
  論文  参考訳（メタデータ） (2024-03-09T08:49:50Z)
• EANet: Enhanced Attribute-based RGBT Tracker Network [0.0]
  RGBと熱画像(RGBT)を融合した深層学習に基づく画像追跡手法を提案する。 提案モデルは,特徴抽出器とトラッカーの2つの主成分から構成される。 提案手法はRGBT234 citeLiCLiang 2018とLasHeR citeLiLasher 2021データセットで評価される。
  論文  参考訳（メタデータ） (2023-07-04T19:34:53Z)
• Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
  本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。 本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。 さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
  論文  参考訳（メタデータ） (2022-04-08T15:22:33Z)
• RGBD Object Tracking: An In-depth Review [89.96221353160831]
  まず、RGBD融合、深度利用、追跡フレームワークなど、さまざまな視点からRGBDオブジェクトトラッカーをレビューする。 我々はRGBDトラッカーの代表セットをベンチマークし、その性能に基づいて詳細な分析を行う。
  論文  参考訳（メタデータ） (2022-03-26T18:53:51Z)
• Temporal Aggregation for Adaptive RGBT Tracking [14.00078027541162]
  本稿では,頑健な外見モデル学習を考慮したRGBTトラッカーを提案する。 空間情報のみを含むオブジェクト追跡タスクを実装している既存のRGBTトラッカーとは異なり、この手法では時間情報も考慮されている。
  論文  参考訳（メタデータ） (2022-01-22T02:31:56Z)
• LasHeR: A Large-scale High-diversity Benchmark for RGBT Tracking [27.00930976353204]
  LasHeRは1224枚の可視・熱赤外ビデオ対と合計730Kフレーム対で構成されている。 LasHeRは、広範囲のオブジェクトカテゴリ、カメラ視点、シーンの複雑さ、環境要因から非常に多様である。 LasHeRデータセット上で12RGBT追跡アルゴリズムの包括的なパフォーマンス評価を行います。
  論文  参考訳（メタデータ） (2021-04-27T14:04:23Z)
• Multi-modal Visual Tracking: Review and Experimental Comparison [85.20414397784937]
  マルチモーダルトラッキングアルゴリズム,特に可視深度(RGB-D)と可視温度(RGB-T)を要約する。 5つのデータセット上でトラッカーの有効性を分析する実験を行った。
  論文  参考訳（メタデータ） (2020-12-08T02:39:38Z)
• LSOTB-TIR:A Large-Scale High-Diversity Thermal Infrared Object Tracking Benchmark [51.1506855334948]
  本稿では、LSOTBTIRと呼ばれる、大規模かつ多種多様な熱赤外(TIR)オブジェクト追跡ベンチマークを提案する。 すべての列のすべてのフレームにおけるオブジェクトの有界ボックスに注釈を付け、合計で730K以上の有界ボックスを生成する。 我々は,LSOTB-TIR上で30以上のトラッカーを評価し解析し,一連のベースラインを提供することにより,ディープトラッカーが有望な性能を達成することを示す。
  論文  参考訳（メタデータ） (2020-08-03T12:36:06Z)
• Jointly Modeling Motion and Appearance Cues for Robust RGB-T Tracking [85.333260415532]
  我々はRGBと熱(T)の両モードの融合重量マップを推定する新しい後期融合法を開発した。 外観キューが信頼できない場合には、動作キューを考慮に入れ、トラッカーを堅牢にする。 最近の3つのRGB-T追跡データセットの多くの結果から、提案したトラッカーは他の最先端のアルゴリズムよりも大幅に性能が向上していることが示された。
  論文  参考訳（メタデータ） (2020-07-04T08:11:33Z)
• Object Tracking through Residual and Dense LSTMs [67.98948222599849]
  LSTM(Long Short-Term Memory)リカレントニューラルネットワークに基づくディープラーニングベースのトラッカーが、強力な代替手段として登場した。 DenseLSTMはResidualおよびRegular LSTMより優れ、ニュアンセに対する高いレジリエンスを提供する。 ケーススタディは、他のトラッカーの堅牢性を高めるために残差ベースRNNの採用を支援する。
  論文  参考訳（メタデータ） (2020-06-22T08:20:17Z)

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。