論文の概要: Sparse Regularized Correlation Filter for UAV Object Tracking with adaptive Contextual Learning and Keyfilter Selection

• arxiv url: http://arxiv.org/abs/2205.03627v1
• Date: Sat, 7 May 2022 10:25:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-10 15:55:09.941581
• Title: Sparse Regularized Correlation Filter for UAV Object Tracking with adaptive Contextual Learning and Keyfilter Selection
• Title（参考訳）: 適応型文脈学習とキーフィルタ選択を用いたUAV物体追跡のためのスパース正規化相関フィルタ
• Authors: Zhangjian Ji, Kai Feng, Yuhua Qian, and Jiye Liang
• Abstract要約: 相関フィルタは無人航空機(UAV)の追跡に広く応用されている。 2つの固有の欠陥、すなわち境界効果とフィルタの破損のために脆弱である。 本稿では,適応型文脈学習とキーフィルタ選択を用いた新しい$ell_1$正規化相関フィルタを提案する。
• 参考スコア（独自算出の注目度）: 20.786475337107472
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, correlation filter has been widely applied in unmanned aerial vehicle (UAV) tracking due to its high frame rates, robustness and low calculation resources. However, it is fragile because of two inherent defects, i.e, boundary effect and filter corruption. Some methods by enlarging the search area can mitigate the boundary effect, yet introducing the undesired background distractors. Another approaches can alleviate the temporal degeneration of learned filters by introducing the temporal regularizer, which depends on the assumption that the filers between consecutive frames should be coherent. In fact, sometimes the filers at the ($t-1$)th frame is vulnerable to heavy occlusion from backgrounds, which causes that the assumption does not hold. To handle them, in this work, we propose a novel $\ell_{1}$ regularization correlation filter with adaptive contextual learning and keyfilter selection for UAV tracking. Firstly, we adaptively detect the positions of effective contextual distractors by the aid of the distribution of local maximum values on the response map of current frame which is generated by using the previous correlation filter model. Next, we eliminate inconsistent labels for the tracked target by removing one on each distractor and develop a new score scheme for each distractor. Then, we can select the keyfilter from the filters pool by finding the maximal similarity between the target at the current frame and the target template corresponding to each filter in the filters pool. Finally, quantitative and qualitative experiments on three authoritative UAV datasets show that the proposed method is superior to the state-of-the-art tracking methods based on correlation filter framework.
• Abstract（参考訳）: 近年,高フレームレート,ロバスト性,低計算資源のため,無人航空機(UAV)の追尾に相関フィルタが広く応用されている。 しかし、2つの固有の欠陥、すなわち境界効果とフィルタの破損のために脆弱である。 探索領域を大きくすることで境界効果を緩和できる方法もあるが、望ましくない背景散乱器を導入する。 別のアプローチでは、連続するフレーム間のプロファイラがコヒーレントであるべきだという仮定に依存する時間的正則化を導入することで、学習したフィルタの時間的デジェネレーションを緩和することができる。 実際、(t-1$)thフレームのファイルは背景からの重いオクルージョンに弱いため、仮定が守られていない場合もあります。 そこで本研究では,UAV追跡のための適応型文脈学習とキーフィルタ選択機能を備えた新しい$\ell_{1}$正規化相関フィルタを提案する。 まず,先行する相関フィルタモデルを用いて生成された電流フレームの応答マップ上での局所的最大値分布を補助して,効果的なコンテクスト・アロケータの位置を適応的に検出する。 次に,追跡対象に対する一貫性のないラベルを除去し,各邪魔者に対する新たなスコアスキームを開発する。 そして、フィルタプール内の各フィルタに対応する現在のフレームのターゲットとターゲットテンプレートとの最大類似性を見つけることにより、フィルタプールからキーフィルタを選択することができる。 最後に,3つのUAVデータセットの定量的および定性的な実験により,相関フィルタフレームワークに基づく最先端追跡手法よりも提案手法が優れていることを示す。

関連論文リスト

• StraightPCF: Straight Point Cloud Filtering [50.66412286723848]
  ポイントクラウドフィルタリングは、基礎となるクリーンな表面を回復しながらノイズを取り除くことを目的とした、基本的な3Dビジョンタスクである。 我々は、ポイントクラウドフィルタリングのための新しいディープラーニングベースの方法であるStraightPCFを紹介する。 ノイズの多い点を直線に沿って移動させることで、離散化誤差を低減し、クリーン表面への高速な収束を保証する。
  論文  参考訳（メタデータ） (2024-05-14T05:41:59Z)
• Beyond Kalman Filters: Deep Learning-Based Filters for Improved Object Tracking [3.5693768338940304]
  本稿では,追跡検出システムのための2つの革新的なデータ駆動フィルタリング手法を提案する。 最初の方法は、トレーニング可能な運動モデルを持つベイズフィルタを用いて、物体の将来の位置を予測する。 第2の方法は、エンドツーエンドのトレーニング可能なフィルタで、検出エラーの修正を学習することでさらに前進する。
  論文  参考訳（メタデータ） (2024-02-15T10:47:44Z)
• Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
  オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。 周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。 逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
  論文  参考訳（メタデータ） (2022-02-28T05:49:35Z)
• Training Compact CNNs for Image Classification using Dynamic-coded Filter Fusion [139.71852076031962]
  動的符号化フィルタ融合(DCFF)と呼ばれる新しいフィルタプルーニング法を提案する。 我々は、効率的な画像分類のために、計算経済的および正規化のない方法でコンパクトなCNNを導出する。 我々のDCFFは、72.77MのFLOPと1.06Mのパラメータしか持たないコンパクトなVGGNet-16を導出し、トップ1の精度は93.47%に達した。
  論文  参考訳（メタデータ） (2021-07-14T18:07:38Z)
• Deep Convolutional Correlation Iterative Particle Filter for Visual Tracking [1.1531505895603305]
  本研究では,反復的粒子フィルタ,深部畳み込みニューラルネットワーク,相関フィルタを統合した視覚追跡のための新しいフレームワークを提案する。 我々は, K-平均クラスタリングを適用して, 繰り返し後の粒子の可能性を評価する新しい手法を採用した。 2つの異なるベンチマークデータセットの実験結果は、トラッカーが最先端の手法に対して好適に動作することを示している。
  論文  参考訳（メタデータ） (2021-07-07T02:44:43Z)
• Unsharp Mask Guided Filtering [53.14430987860308]
  本論文の目的は,フィルタ中の構造伝達の重要性を強調した画像フィルタリングである。 アンシャープマスキングにインスパイアされたガイドフィルタの新しい簡易な定式化を提案する。 我々の定式化は低域フィルタに先立ってフィルタを楽しみ、単一の係数を推定することで明示的な構造伝達を可能にする。
  論文  参考訳（メタデータ） (2021-06-02T19:15:34Z)
• Equivalence of Correlation Filter and Convolution Filter in Visual Tracking [10.820122999766713]
  相関フィルタは視覚追跡にうまく適用されている。 畳み込みフィルタは通常、画像処理においてぼやけ、研削、エンボス、エッジ検出などに使用される。
  論文  参考訳（メタデータ） (2021-05-01T04:05:37Z)
• Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking [12.292672531693794]
  本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。 実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。 提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
  論文  参考訳（メタデータ） (2020-08-09T10:22:52Z)
• Dependency Aware Filter Pruning [74.69495455411987]
  重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。 以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。 所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
  論文  参考訳（メタデータ） (2020-05-06T07:41:22Z)
• Keyfilter-Aware Real-Time UAV Object Tracking [28.90501292821063]
  相関フィルタに基づく追跡は無人航空機(UAV)に広く応用されている 境界効果とフィルタ腐敗という2つの欠陥がある。 同時ローカライゼーションとマッピングにインスパイアされ、視覚的トラッキングにおいて初めてkey-of-filterが提案される。
  論文  参考訳（メタデータ） (2020-03-11T11:11:16Z)
• Tracking Road Users using Constraint Programming [79.32806233778511]
  本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。 提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
  論文  参考訳（メタデータ） (2020-03-10T00:04:32Z)

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。