論文の概要: GIAOTracker: A comprehensive framework for MCMOT with global information
and optimizing strategies in VisDrone 2021
- arxiv url: http://arxiv.org/abs/2202.11983v1
- Date: Thu, 24 Feb 2022 09:42:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-26 00:57:31.183777
- Title: GIAOTracker: A comprehensive framework for MCMOT with global information
and optimizing strategies in VisDrone 2021
- Title（参考訳）: GIAOTracker: VisDrone 2021におけるグローバル情報と最適化戦略を備えたMCMOTの包括的なフレームワーク
- Authors: Yunhao Du, Junfeng Wan, Yanyun Zhao, Binyu Zhang, Zhihang Tong, Junhao
Dong
- Abstract要約: GIAOTrackerという新しいオブジェクトトラッカーを提案する。
オンライン追跡、グローバルリンク、後処理の3段階で構成されている。
3つのステージの有効性により、GIAOTrackerはVisDrone MOTデータセット上で最先端のパフォーマンスを達成する。
- 参考スコア（独自算出の注目度）: 6.4515884598231
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, algorithms for multiple object tracking tasks have benefited
from great progresses in deep models and video quality. However, in challenging
scenarios like drone videos, they still suffer from problems, such as small
objects, camera movements and view changes. In this paper, we propose a new
multiple object tracker, which employs Global Information And some Optimizing
strategies, named GIAOTracker. It consists of three stages, i.e., online
tracking, global link and post-processing. Given detections in every frame, the
first stage generates reliable tracklets using information of camera motion,
object motion and object appearance. Then they are associated into trajectories
by exploiting global clues and refined through four post-processing methods.
With the effectiveness of the three stages, GIAOTracker achieves
state-of-the-art performance on the VisDrone MOT dataset and wins the 3rd place
in the VisDrone2021 MOT Challenge.
- Abstract（参考訳）: 近年、複数のオブジェクト追跡タスクのためのアルゴリズムは、深いモデルとビデオ品質の大幅な進歩から恩恵を受けている。
しかし、ドローンビデオのような難しいシナリオでは、小さな物体やカメラの動き、ビューの変更といった問題に苦しんでいる。
本稿では,Global Information And some Optimizing Strategy, GIAOTracker を用いた新しいマルチオブジェクトトラッカーを提案する。
オンライン追跡、グローバルリンク、後処理の3段階で構成されている。
各フレームで検知されると、第1ステージはカメラの動き、物体の動き、物体の外観などの情報を用いて信頼できるトラックレットを生成する。
そして、グローバルな手がかりを利用して軌道に関連付けられ、4つの後処理手法によって洗練される。
3つのステージの有効性により、IAOTrackerはVisDrone MOTデータセット上で最先端のパフォーマンスを達成し、VisDrone2021 MOTチャレンジで3位を獲得した。
関連論文リスト
- The 8th AI City Challenge [57.25825945041515]
2024年版では5トラックが収録され、47か国と地域の726チームから前例のない関心を集めた。
このチャレンジでは、2つのリーダーボードを使ってメソッドを展示し、参加者は新しいベンチマークを設定した。
論文 参考訳（メタデータ） (2024-04-15T03:12:17Z) - ReIDTracker Sea: the technical report of BoaTrack and SeaDronesSee-MOT
challenge at MaCVi of WACV24 [0.0]
我々のソリューションは、無人航空機(UAV)と無人表面車両(USV)の利用シナリオにおける多目的追跡の探索を試みる。
この方式は、UAVベースのマルチオブジェクト追跡とUSVベースのマルチオブジェクト追跡ベンチマークの両方でトップ3のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2023-11-12T07:37:07Z) - Tracking Anything in High Quality [63.63653185865726]
HQTrackは高品質なビデオ追跡のためのフレームワークだ。
ビデオマルチオブジェクトセグメンタ(VMOS)とマスクリファインダ(MR)で構成されている。
論文 参考訳（メタデータ） (2023-07-26T06:19:46Z) - 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) - CXTrack: Improving 3D Point Cloud Tracking with Contextual Information [59.55870742072618]
3Dオブジェクトトラッキングは、自律運転など、多くのアプリケーションにおいて重要な役割を果たす。
CXTrackは3次元オブジェクト追跡のためのトランスフォーマーベースのネットワークである。
CXTrackは29FPSで動作しながら最先端のトラッキング性能を実現する。
論文 参考訳（メタデータ） (2022-11-12T11:29:01Z) - InterTrack: Interaction Transformer for 3D Multi-Object Tracking [9.283656931246645]
3Dマルチオブジェクトトラッキング(MOT)は、自動運転車にとって重要な問題である。
提案手法であるInterTrackは,データアソシエーションのための識別対象表現を生成する。
我々はnuScenes 3D MOTベンチマークのアプローチを検証する。
論文 参考訳（メタデータ） (2022-08-17T03:24:36Z) - Single Object Tracking Research: A Survey [44.24280758718638]
本稿では,過去10年間に最も人気の高い追跡フレームワーク2つについて,その理論的根拠と作業について述べる。
本稿では,異なるネットワーク構造に分類したディープラーニングに基づく追跡手法を提案する。
また、追跡問題の課題に対処するための古典的な戦略についても紹介する。
論文 参考訳（メタデータ） (2022-04-25T02:59:15Z) - MOTChallenge: A Benchmark for Single-Camera Multiple Target Tracking [72.76685780516371]
単カメラ多目的追跡(MOT)のためのベンチマークMOTChallengeを提案する。
このベンチマークは、歩行者がトラッキングコミュニティで最も研究されているオブジェクトであるため、複数の人を追跡することに重点を置いている。
我々は,最先端トラッカーの分類と広い誤差解析を行う。
論文 参考訳（メタデータ） (2020-10-15T06:52:16Z) - Detection and Tracking Meet Drones Challenge [131.31749447313197]
本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。
当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。
本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
論文 参考訳（メタデータ） (2020-01-16T00:11:56Z)
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。