論文の概要: mvHOTA: A multi-view higher order tracking accuracy metric to measure
spatial and temporal associations in multi-point detection
- arxiv url: http://arxiv.org/abs/2206.09372v1
- Date: Sun, 19 Jun 2022 10:31:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-22 14:08:47.917964
- Title: mvHOTA: A multi-view higher order tracking accuracy metric to measure
spatial and temporal associations in multi-point detection
- Title(参考訳): mvHOTA:多点検出における空間的・時間的関連を測定する多視点高次追跡精度測定
- Authors: Lalith Sharan, Halvar Kelm, Gabriele Romano, Matthias Karck, Raffaele
De Simone, Sandy Engelhardt
- Abstract要約: マルチオブジェクトトラッキング(MOT)は、シーン内のオブジェクトを検出し、それらを一連のフレームにわたって追跡する、困難なタスクである。
KITTIなどのデータセット上でMOTメソッドをベンチマークする主要な評価基準は、最近、高次追跡精度(HOTA)指標となっている。
マルチポイント(マルチインスタンス、マルチクラス)検出の精度を決定するため、マルチビュー高次トラッキングメトリック(mvHOTA)を提案する。
- 参考スコア(独自算出の注目度): 1.039718070553655
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Multi-object tracking (MOT) is a challenging task that involves detecting
objects in the scene and tracking them across a sequence of frames. Evaluating
this task is difficult due to temporal occlusions, and varying trajectories
across a sequence of images. The main evaluation metric to benchmark MOT
methods on datasets such as KITTI has recently become the higher order tracking
accuracy (HOTA) metric, which is capable of providing a better description of
the performance over metrics such as MOTA, DetA, and IDF1. Point detection and
tracking is a closely related task, which could be regarded as a special case
of object detection. However, there are differences in evaluating the detection
task itself (point distances vs. bounding box overlap). When including the
temporal dimension and multi-view scenarios, the evaluation task becomes even
more complex. In this work, we propose a multi-view higher order tracking
metric (mvHOTA) to determine the accuracy of multi-point (multi-instance and
multi-class) detection, while taking into account temporal and spatial
associations. mvHOTA can be interpreted as the geometric mean of the detection,
association, and correspondence accuracies, thereby providing equal weighting
to each of the factors. We demonstrate a use-case through a publicly available
endoscopic point detection dataset from a previously organised medical
challenge. Furthermore, we compare with other adjusted MOT metrics for this
use-case, discuss the properties of mvHOTA, and show how the proposed
correspondence accuracy and the Occlusion index facilitate analysis of methods
with respect to handling of occlusions. The code will be made publicly
available.
- Abstract(参考訳): マルチオブジェクトトラッキング(MOT)は、シーン内のオブジェクトを検出し、それらを一連のフレームにわたって追跡する、困難なタスクである。
このタスクの評価は、時間的閉塞と画像のシーケンス間での軌跡の変化のため困難である。
KITTIのようなデータセット上でMOTメソッドをベンチマークする主要な評価基準は、MOTA、DetA、IFF1といったメトリクスよりもパフォーマンスをよりよく記述できる、高次追跡精度(HOTA)指標となっている。
ポイント検出とトラッキングは密接に関連するタスクであり、オブジェクト検出の特別なケースとみなすことができる。
しかし、検出タスク自体の評価には違いがある(点距離と境界ボックスの重なり)。
時間次元と多視点のシナリオを含む場合、評価タスクはさらに複雑になる。
本研究では,時間的および空間的関連性を考慮したマルチポイント検出(マルチインスタンス,マルチクラス)の精度を決定するためのマルチビュー高次追跡指標(mvHOTA)を提案する。
mvHOTAは、検出、関連、対応の精度の幾何学的平均として解釈することができ、各因子に等しい重み付けを与える。
我々は、以前に組織された医療課題から利用可能な内視鏡的点検出データセットを通してユースケースを実証する。
さらに,本研究では他の調整されたmot指標と比較し,mvhotaの特性について検討し,提案する対応精度と咬合指数が咬合の取扱いに関してどのように解析が容易かを示す。
コードは公開される予定だ。
関連論文リスト
- STCMOT: Spatio-Temporal Cohesion Learning for UAV-Based Multiple Object Tracking [13.269416985959404]
無人航空機(UAV)ビデオにおける複数物体追跡(MOT)は、コンピュータビジョンにおける多様な用途において重要である。
時空間結合型多目的追跡フレームワーク(STCMOT)を提案する。
歴史的埋め込み機能を用いて,ReIDの表現と検出機能を逐次的にモデル化する。
我々のフレームワークはMOTAとIDF1メトリクスで新しい最先端のパフォーマンスを設定します。
論文 参考訳(メタデータ) (2024-09-17T14:34:18Z) - SparseTrack: Multi-Object Tracking by Performing Scene Decomposition
based on Pseudo-Depth [84.64121608109087]
2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。
次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。
擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
論文 参考訳(メタデータ) (2023-06-08T14:36:10Z) - Joint Counting, Detection and Re-Identification for Multi-Object
Tracking [8.89262850257871]
混雑したシーンでは、共同検出と追跡は通常、ミスや誤検出のために正確なオブジェクト関連を見つけることができない。
混み合ったシーンに適したエンドツーエンドフレームワークであるCountingMOTで、カウント、検出、再識別を共同でモデル化する。
提案したMOTトラッカーは、オンラインとリアルタイムのトラッキングが可能で、公開ベンチマークMOT16(79.7のMOTA)、MOT17(81.3%のMOTA)、MOT20(78.9%のMOTA)の最先端結果が得られる。
論文 参考訳(メタデータ) (2022-12-12T12:53:58Z) - End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。
本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
論文 参考訳(メタデータ) (2022-10-26T10:19:37Z) - Tracking Every Thing in the Wild [61.917043381836656]
我々は,新しい測定基準であるTrack Every Thing Accuracy(TETA)を導入し,測定結果を3つのサブファクター(ローカライゼーション,アソシエーション,分類)に分割する。
実験の結果、TETAはトラッカーをより包括的に評価し、TETerはBDD100KとTAOに挑戦する大規模データセットを大幅に改善することがわかった。
論文 参考訳(メタデータ) (2022-07-26T15:37:19Z) - Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline [80.13652104204691]
本稿では,可視熱UAV追跡(VTUAV)のための高多様性の大規模ベンチマークを構築する。
本稿では, フレームレベルの属性を, チャレンジ固有のトラッカーの可能性を利用するための粗粒度属性アノテーションを提案する。
さらに,様々なレベルでRGB-Tデータを融合するHMFT(Hierarchical Multi-modal Fusion Tracker)という新しいRGB-Tベースラインを設計する。
論文 参考訳(メタデータ) (2022-04-08T15:22:33Z) - STURE: Spatial-Temporal Mutual Representation Learning for Robust Data
Association in Online Multi-Object Tracking [7.562844934117318]
提案手法は、より区別された検出とシーケンス表現を抽出することができる。
パブリックMOTチャレンジベンチマークに適用され、様々な最先端のオンラインMOTトラッカーとよく比較される。
論文 参考訳(メタデータ) (2022-01-18T08:52:40Z) - Multi-Object Tracking and Segmentation with a Space-Time Memory Network [12.043574473965318]
トラックレットを関連づける新しいメモリベース機構に基づく多目的追跡とセグメンテーションの手法を提案する。
提案するトラッカーであるMeNToSは、特に長期データアソシエーションの問題に対処する。
論文 参考訳(メタデータ) (2021-10-21T17:13:17Z) - HOTA: A Higher Order Metric for Evaluating Multi-Object Tracking [48.497889944886516]
マルチオブジェクト追跡(MOT)は評価が難しいことで知られている。
以前のメトリクスは、検出または関連性の重要性を過度に強調します。
本稿では, 正確な検出, 関連付け, 位置決めの両立を図った新しいMOT評価指標HOTAを提案する。
論文 参考訳(メタデータ) (2020-09-16T15:11:30Z) - Tracking-by-Counting: Using Network Flows on Crowd Density Maps for
Tracking Multiple Targets [96.98888948518815]
State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。
混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
論文 参考訳(メタデータ) (2020-07-18T19:51:53Z) - End-to-End Multi-Object Tracking with Global Response Map [23.755882375664875]
画像シーケンス/映像を入力とし、学習対象の位置と追跡対象を直接出力する、完全にエンドツーエンドのアプローチを提案する。
具体的には,提案した多目的表現戦略により,グローバル応答マップをフレーム上で正確に生成することができる。
MOT16 と MOT17 のベンチマークによる実験結果から,提案したオンライントラッカーは,いくつかのトラッキング指標において最先端の性能を達成した。
論文 参考訳(メタデータ) (2020-07-13T12:30:49Z)
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。