論文の概要: Single Object Tracking Research: A Survey

• arxiv url: http://arxiv.org/abs/2204.11410v1
• Date: Mon, 25 Apr 2022 02:59:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-26 14:17:27.578460
• Title: Single Object Tracking Research: A Survey
• Title（参考訳）: 単一物体追跡研究:調査
• Authors: Ruize Han and Wei Feng and Qing Guo and Qinghua Hu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 44.24280758718638
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual object tracking is an important task in computer vision, which has many real-world applications, e.g., video surveillance, visual navigation. Visual object tracking also has many challenges, e.g., object occlusion and deformation. To solve above problems and track the target accurately and efficiently, many tracking algorithms have emerged in recent years. This paper presents the rationale and representative works of two most popular tracking frameworks in past ten years, i.e., the corelation filter and Siamese network for object tracking. Then we present some deep learning based tracking methods categorized by different network structures. We also introduce some classical strategies for handling the challenges in tracking problem. Further, this paper detailedly present and compare the benchmarks and challenges for tracking, from which we summarize the development history and development trend of visual tracking. Focusing on the future development of object tracking, which we think would be applied in real-world scenes before some problems to be addressed, such as the problems in long-term tracking, low-power high-speed tracking and attack-robust tracking. In the future, the integration of multimodal data, e.g., the depth image, thermal image with traditional color image, will provide more solutions for visual tracking. Moreover, tracking task will go together with some other tasks, e.g., video object detection and segmentation.
• Abstract（参考訳）: 視覚オブジェクト追跡はコンピュータビジョンにおいて重要なタスクであり、ビデオ監視やビジュアルナビゲーションなど、現実世界のアプリケーションが多い。 ビジュアルオブジェクトトラッキングには、オブジェクトの閉塞や変形といった多くの課題もある。 上記の問題を正確にかつ効率的に追跡するために,近年,多くの追跡アルゴリズムが登場している。 本稿では,過去10年間に最も人気の高いトラッキングフレームワークであるコリレーションフィルタと,オブジェクト追跡のためのシームズネットワークの理論的および代表的研究について述べる。 次に,異なるネットワーク構造に分類された深層学習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をいくつか紹介する。 さらに,本論文では,視覚的トラッキングの発達史と開発動向を概説した,トラッキングのベンチマークと課題を詳述し,比較する。 オブジェクト追跡の今後の開発に焦点をあてて, 長期追跡や低消費電力高速追跡, 攻撃ロス追跡といった課題に対処する前に, 現実の場面で適用されると思われる。 将来的には、深度画像、熱画像、伝統的なカラー画像といったマルチモーダルデータの統合によって、ビジュアルトラッキングのソリューションがさらに増えるだろう。 さらに、トラッキングタスクは、ビデオオブジェクトの検出やセグメンテーションなど、他のタスクと併用される。

関連論文リスト

• Camouflaged_Object_Tracking__A_Benchmark [13.001689702214573]
  カモフラージュされたオブジェクト追跡手法を評価するためのベンチマークであるCOTD(Camouflaged Object Tracking dataset)を導入する。 COTDは200のシーケンスと約80,000のフレームで構成され、それぞれに詳細なバウンディングボックスが付加されている。 既存の20個の追跡アルゴリズムを評価した結果,カモフラージュした物体を用いた場合,その性能に重大な欠陥があることが判明した。 本稿では,新しいトラッキングフレームワーク HiPTrack-MLS を提案する。
  論文  参考訳（メタデータ） (2024-08-25T15:56:33Z)
• DenseTrack: Drone-based Crowd Tracking via Density-aware Motion-appearance Synergy [33.57923199717605]
  ドローンによる群集追跡は、空中からの物体の正確な識別と監視に困難に直面している。 これらの課題に対処するために、密度認識追跡(DenseTrack)フレームワークを提案する。 DenseTrackは、群衆のカウントに乗じて、オブジェクトの位置を正確に決定し、視覚とモーションのキューを混ぜて、小規模オブジェクトの追跡を改善する。
  論文  参考訳（メタデータ） (2024-07-24T13:39:07Z)
• Tracking Reflected Objects: A Benchmark [12.770787846444406]
  我々は、反射オブジェクトのトラッキングに特化したベンチマークであるTROを紹介します。 TROは、約70,000フレームの200のシーケンスを含み、それぞれにバウンディングボックスを慎重にアノテートする。 より強力なベースラインを提供するために,階層的特徴を用いて性能を向上させる新しいトラッカーであるHiP-HaTrackを提案する。
  論文  参考訳（メタデータ） (2024-07-07T02:22:45Z)
• Beyond Traditional Single Object Tracking: A Survey [0.0]
  我々は、シーケンスモデル、生成モデル、自己教師付き学習、教師なし学習、強化学習、メタラーニング、継続学習、ドメイン適応など、視覚における最先端技術を紹介します。 本稿では,新しい手法とトレンドに基づく単一物体追跡手法の新たな分類法を提案する。 提案手法の長所と短所を解析し, 単体追跡における非従来手法の指針を示す。
  論文  参考訳（メタデータ） (2024-05-16T20:55:31Z)
• Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports [26.33239898091364]
  本稿では,スポーツシナリオに対するDeep ExpansionIoU (Deep-EIoU) という,オンラインかつ堅牢な多対象追跡手法を提案する。 従来の手法とは異なり、カルマンフィルタの使用を放棄し、スポーツシナリオにおける拡張IoUの反復的なスケールアップと深い特徴を活用して、ロバストなトラッキングを行う。 提案手法は,SportsMOTデータセットで77.2%,SportsNet-Trackingデータセットで85.4%を達成し,不規則な動き物体の追跡に顕著な効果を示した。
  論文  参考訳（メタデータ） (2023-06-22T17:47:08Z)
• 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)
• Tracking by Joint Local and Global Search: A Target-aware Attention based Approach [63.50045332644818]
  本研究では、ロバストな追跡のための局所的・グローバルな共同探索を行うための新たな目標認識型アテンション機構(TANet)を提案する。 具体的には、ターゲットオブジェクトパッチと連続ビデオフレームの特徴を抽出し、それらをデコーダネットワークに追従して、ターゲットを意識したグローバルアテンションマップを生成する。 追跡手順において、ロバストな追跡のための候補探索領域を探索することにより、ターゲット認識の注意を複数のトラッカーと統合する。
  論文  参考訳（メタデータ） (2021-06-09T06:54:15Z)
• Track to Detect and Segment: An Online Multi-Object Tracker [81.15608245513208]
  TraDeSは、エンドツーエンドの検出を支援するために追跡の手がかりを利用するオンライン共同検出および追跡モデルです。 TraDeSは、以前のオブジェクトの機能を伝播するために使用されるコストボリュームでオブジェクト追跡オフセットを推測します。
  論文  参考訳（メタデータ） (2021-03-16T02:34:06Z)
• 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)
• 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。