論文の概要: Neural Enhanced Belief Propagation for Data Assocation in Multiobject Tracking

• arxiv url: http://arxiv.org/abs/2203.09948v1
• Date: Thu, 17 Mar 2022 00:12:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-21 14:08:55.166574
• Title: Neural Enhanced Belief Propagation for Data Assocation in Multiobject Tracking
• Title（参考訳）: マルチオブジェクト追跡におけるデータアソシエーションのためのニューラル強化信念伝達
• Authors: Mingchao Liang and Florian Meyer
• Abstract要約: マルチオブジェクトトラッキング(MOT)は、自律ナビゲーションや応用海洋科学などの分野における新しいサービスとアプリケーションを作成する。 信念伝播(BP)はベイジアンMOTの最先端の手法であるが、統計モデルと事前処理されたセンサ測定に完全に依存している。 我々は,モデルベースおよびデータ駆動型MOTのハイブリッド手法を構築し,提案手法は生センサデータから得られた情報によってBPを補完する。 nuScenes 自律走行データセット上でのMOTに対するNEBP手法の性能評価を行い,その性能を実証する。
• 参考スコア（独自算出の注目度）: 8.228150100178983
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Situation-aware technologies enabled by multiobject tracking (MOT) methods will create new services and applications in fields such as autonomous navigation and applied ocean sciences. Belief propagation (BP) is a state-of-the-art method for Bayesian MOT but fully relies on a statistical model and preprocessed sensor measurements. In this paper, we establish a hybrid method for model-based and data-driven MOT. The proposed neural enhanced belief propagation (NEBP) approach complements BP by information learned from raw sensor data with the goal to improve data association and to reject false alarm measurements. We evaluate the performance of our NEBP approach for MOT on the nuScenes autonomous driving dataset and demonstrate that it can outperform state-of-the-art reference methods.
• Abstract（参考訳）: マルチオブジェクトトラッキング(mot)によって実現される状況認識技術は、自律航法や海洋科学などの分野における新しいサービスやアプリケーションを作成する。 信念伝播(BP)はベイジアンMOTの最先端の手法であるが、統計モデルと事前処理されたセンサ測定に完全に依存している。 本稿では,モデルベースおよびデータ駆動型MOTのハイブリッド手法を確立する。 提案手法は、生センサデータから得られた情報によってBPを補完し、データ関連を改善し、誤警報測定を拒否する。 nuScenes自動運転データセット上でのMOTに対するNEBP手法の性能評価を行い、最先端の参照手法より優れていることを示す。

関連論文リスト

• A New Architecture for Neural Enhanced Multiobject Tracking [4.7752948351582605]
  マルチオブジェクトトラッキングは、ロボット工学、自律運転、海洋監視において重要なタスクである。 MOTの伝統的な研究はモデルベースであり、逐次ベイズ推定の枠組みでアルゴリズムを確立することを目的としている。 最近の手法は完全なデータ駆動であり、ニューラルネットワークのトレーニングに依存している。 本稿では,Neural-enhanced belief propagation (NEBP)と呼ばれるハイブリッドモデルとデータ駆動方式を最近導入した。
  論文  参考訳（メタデータ） (2024-10-08T18:53:45Z)
• Data-driven Bayesian State Estimation with Compressed Measurement of Model-free Process using Semi-supervised Learning [57.04370580292727]
  モデルフリープロセスの圧縮測定(BSCM)によるデータ駆動ベイズ状態の推定。 時間的測定ベクトルの次元は、推定される時間的状態ベクトルの次元よりも低い。 既存の2つの教師なし学習ベースのデータ駆動手法は、モデルフリープロセスのBSCM問題に対処できない。 半教師付き学習に基づくDANSE手法を開発し,その手法をSemiDANSEと呼ぶ。
  論文  参考訳（メタデータ） (2024-07-10T05:03:48Z)
• Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
  本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。 PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。 提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2023-09-27T14:39:41Z)
• Exploiting Multimodal Synthetic Data for Egocentric Human-Object Interaction Detection in an Industrial Scenario [14.188006024550257]
  EgoISM-HOIは,手や物体のアノテーションが豊富な産業環境下で合成されたEHOI画像からなる,新しいマルチモーダルデータセットである。 本研究は,提案手法を事前学習するために合成データを活用することにより,実世界のデータでテストした場合の性能が著しく向上することを示す。 この分野での研究を支援するため、私たちはデータセット、ソースコード、事前トレーニングされたモデルをhttps://iplab.dmi.unict.it/egoism-hoi.comで公開しています。
  論文  参考訳（メタデータ） (2023-06-21T09:56:55Z)
• MAPS: A Noise-Robust Progressive Learning Approach for Source-Free Domain Adaptive Keypoint Detection [76.97324120775475]
  クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。 本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
  論文  参考訳（メタデータ） (2023-02-09T12:06:08Z)
• Estimation of Sea State Parameters from Ship Motion Responses Using Attention-based Neural Networks [0.6193838300896448]
  本研究では, 船舶のピッチ, ヒーブ, ロール運動の時系列データから, 海の状態パラメータを推定するための新しいアテンションベースニューラルネットワーク(AT-NN)を適用した。 改良された最先端技術による提案手法により,MSEを23%,MAEを16%削減できることが実証された。
  論文  参考訳（メタデータ） (2023-01-21T13:21:50Z)
• Neural Enhanced Belief Propagation for Multiobject Tracking [8.228150100178983]
  モデルベースとデータ駆動型MOTを組み合わせたBPの変種を紹介する。 NEBP法はモデルベース法と比較して追跡性能が向上する。 nuScenes 自律運転データセット上でのMOTに対するNEBP手法の性能評価を行った。
  論文  参考訳（メタデータ） (2022-12-16T08:31:07Z)
• Dynamic Bottleneck for Robust Self-Supervised Exploration [84.78836146128236]
  本稿では,インフォメーション・ボトルネックの原理に基づく動的関連表現を実現する動的ボトルネック(DB)モデルを提案する。 さらに,DBモデルに基づくDB-bonusを提案する。 実験の結果,DBボーナスによる探索は,ノイズの多い環境での最先端の探査方法よりも優れていた。
  論文  参考訳（メタデータ） (2021-10-20T19:17:05Z)
• DEALIO: Data-Efficient Adversarial Learning for Imitation from Observation [57.358212277226315]
  観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。 近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。 この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。 よりデータ効率の高いifOアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-31T23:46:32Z)
• Incorporating Kinematic Wave Theory into a Deep Learning Method for High-Resolution Traffic Speed Estimation [3.0969191504482243]
  本研究では, 波動に基づく深部畳み込みニューラルネットワーク(Deep CNN)を提案し, スパースプローブ車両軌道から高分解能交通速度のダイナミクスを推定する。 我々は,既存の学習に基づく推定手法の堅牢性を改善するために,運動波理論の原理を取り入れるための2つの重要なアプローチを導入する。
  論文  参考訳（メタデータ） (2021-02-04T21:51:25Z)
• Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and On-Device Inference [49.88536971774444]
  慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。 正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。 我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
  論文  参考訳（メタデータ） (2020-01-13T04:41:54Z)

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。