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
- 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) - CoCoLoT: Combining Complementary Trackers in Long-Term Visual Tracking [17.2557973738397]
本稿では,長期追跡性能を向上させるために,補完的な視覚トラッカーの特性を組み合わせたCoCoLoTというフレームワークを提案する。
CoCoLoTは、オンライン学習された深層検証モデルを通じて、トラッカーが対象オブジェクトをフォローしているかどうかを認識し、意思決定ポリシーを起動する。
提案手法は広範に評価され、他のいくつかのソリューションとの比較により、最も人気のある視覚的追跡ベンチマークにおいて最先端の手法と競合することが判明した。
論文 参考訳(メタデータ) (2022-05-09T13:25:13Z) - 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) - Tracking Without Re-recognition in Humans and Machines [12.591847867999636]
我々は、ビジュアルトラッキングのための最先端のディープニューラルネットワークが、同じことができるかどうか検討する。
PathTrackerは人間の観察者や機械に対象物を追跡するための視覚的課題である。
動作手がかりに基づく物体追跡に関係した生体脳の回路機構をモデル化する。
論文 参考訳(メタデータ) (2021-05-27T17:56:37Z) - 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) - Probabilistic 3D Multi-Modal, Multi-Object Tracking for Autonomous
Driving [22.693895321632507]
異なる訓練可能なモジュールからなる確率的、マルチモーダル、マルチオブジェクトトラッキングシステムを提案する。
本手法はNuScenes Trackingデータセットの現在の状態を上回っていることを示した。
論文 参考訳(メタデータ) (2020-12-26T15:00:54Z) - 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。