論文の概要: Detection, Recognition, and Tracking: A Survey

• arxiv url: http://arxiv.org/abs/2203.11900v1
• Date: Tue, 22 Mar 2022 17:11:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-23 14:12:22.859678
• Title: Detection, Recognition, and Tracking: A Survey
• Title（参考訳）: 検出、認識、追跡:調査
• Authors: Shiyao Chen and Dale Chen-Song
• Abstract要約: コンピュータビジョンやマルチメディアでは、画像やビデオ中の物体を検出し、認識し、追跡することがますます重要になっている。 顔認識、監視、アニメーションなどの多くのアプリケーションは、機能や人を追跡するのに使われている。 本稿では,物体の検出と認識に関する新しい手法と,検出した特徴にトラッキングアルゴリズムを適用して物体の動きを追跡する方法について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For humans, object detection, recognition, and tracking are innate. These provide the ability for human to perceive their environment and objects within their environment. This ability however doesn't translate well in computers. In Computer Vision and Multimedia, it is becoming increasingly more important to detect, recognize and track objects in images and/or videos. Many of these applications, such as facial recognition, surveillance, animation, are used for tracking features and/or people. However, these tasks prove challenging for computers to do effectively, as there is a significant amount of data to parse through. Therefore, many techniques and algorithms are needed and therefore researched to try to achieve human like perception. In this literature review, we focus on some novel techniques on object detection and recognition, and how to apply tracking algorithms to the detected features to track the objects' movements.
• Abstract（参考訳）: 人間にとって、物体の検出、認識、追跡は生まれつきである。 これらは、人間が環境と環境内の物体を知覚する能力を提供する。 しかし、この能力はコンピュータではうまく翻訳できない。 コンピュータビジョンやマルチメディアでは、画像やビデオのオブジェクトを検出し、認識し、追跡することがますます重要になっている。 顔認識、監視、アニメーションなど、これらのアプリケーションの多くは、機能や人追跡に使われている。 しかし、これらのタスクは、大量のデータを解析する必要があるため、コンピュータが効果的に行うことが困難であることが証明されている。 したがって、多くの技術やアルゴリズムが必要であり、人間のような知覚を達成するために研究されている。 本稿では,物体の検出と認識に関する新しい手法と,物体の動きを追跡するために検出された特徴に追跡アルゴリズムを適用する方法について述べる。

関連論文リスト

• Computer Vision for Primate Behavior Analysis in the Wild [61.08941894580172]
  ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。 今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
  論文  参考訳（メタデータ） (2024-01-29T18:59:56Z)
• Neural feels with neural fields: Visuo-tactile perception for in-hand manipulation [57.60490773016364]
  マルチフィンガーハンドの視覚と触覚を組み合わせることで,手動操作時の物体の姿勢と形状を推定する。 提案手法であるNeuralFeelsは,ニューラルネットワークをオンラインで学習することでオブジェクトの形状を符号化し,ポーズグラフ問題を最適化して共同で追跡する。 私たちの結果は、タッチが少なくとも、洗練され、そして最も最良のものは、手動操作中に視覚的推定を曖昧にすることを示しています。
  論文  参考訳（メタデータ） (2023-12-20T22:36:37Z)
• Object Recognition in Different Lighting Conditions at Various Angles by Deep Learning Method [0.0]
  既存のコンピュータビジョンとオブジェクト検出方法は、ニューラルネットワークとディープラーニングに依存している。 本稿では,検出されたボックスの位置に基づいて,さまざまなオブジェクトの名称を分類することを目的とする。 このモデルの精度は,物体の比率やサンプル数に大きく影響されている。
  論文  参考訳（メタデータ） (2022-10-18T06:23:26Z)
• Video-based Human Action Recognition using Deep Learning: A Review [4.976815699476327]
  人間の行動認識はコンピュータビジョンにおける重要な応用分野である。 ディープラーニングはコンピュータビジョンコミュニティによって特に注目されている。 本稿では,深層学習技術を用いた映像解析による行動認識の現状について概説する。
  論文  参考訳（メタデータ） (2022-08-07T17:12:12Z)
• 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)
• Classifying Human Activities with Inertial Sensors: A Machine Learning Approach [0.0]
  HAR(Human Activity Recognition)は、現在進行中の研究課題である。 医療サポート、スポーツ、フィットネス、ソーシャルネットワーキング、ヒューマン・コンピュータ・インタフェース、シニア・ケア、エンターテイメント、監視などの分野に応用されている。 スマートフォンの慣性センサデータを用いて,人間活動認識のための機械学習と深層学習のアプローチを検討した。
  論文  参考訳（メタデータ） (2021-11-09T08:17:33Z)
• Analysis of voxel-based 3D object detection methods efficiency for real-time embedded systems [93.73198973454944]
  本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。 実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。 この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
  論文  参考訳（メタデータ） (2021-05-21T12:40:59Z)
• Careful with That! Observation of Human Movements to Estimate Objects Properties [106.925705883949]
  我々は、物体の重さについての洞察を伝える人間の運動行動の特徴に焦点を当てる。 最後の目標は、ロボットがオブジェクトハンドリングに必要なケアの度合いを自律的に推測できるようにすることです。
  論文  参考訳（メタデータ） (2021-03-02T08:14:56Z)
• Camouflaged Object Detection and Tracking: A Survey [7.056222499095849]
  本稿では,コンピュータビジョンアルゴリズムを用いた既存のカモフラージュ物体検出・追跡手法を理論的に検討する。 本稿は、この分野の今後の研究の方向性とともに、いくつかの関心事についても論じる。
  論文  参考訳（メタデータ） (2020-12-25T14:15:45Z)
• Detecting Invisible People [58.49425715635312]
  我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。 私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。 第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
  論文  参考訳（メタデータ） (2020-12-15T16:54:45Z)
• What Can You Learn from Your Muscles? Learning Visual Representation from Human Interactions [50.435861435121915]
  視覚のみの表現よりも優れた表現を学べるかどうかを調べるために,人間のインタラクションとアテンション・キューを用いている。 実験の結果,我々の「音楽監督型」表現は,視覚のみの最先端手法であるMoCoよりも優れていた。
  論文  参考訳（メタデータ） (2020-10-16T17:46:53Z)

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。