論文の概要: SRRT: Search Region Regulation Tracking
- arxiv url: http://arxiv.org/abs/2207.04438v3
- Date: Sun, 6 Aug 2023 10:00:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-09 01:08:36.144219
- Title: SRRT: Search Region Regulation Tracking
- Title（参考訳）: SRRT:検索領域規制追跡
- Authors: Jiawen Zhu, Xin Chen, Pengyu Zhang, Xinying Wang, Dong Wang, Wenda
Zhao, Huchuan Lu
- Abstract要約: 探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。
SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。
大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
- 参考スコア（独自算出の注目度）: 75.24955823504307
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The dominant trackers generate a fixed-size rectangular region based on the
previous prediction or initial bounding box as the model input, i.e., search
region. While this manner obtains promising tracking efficiency, a fixed-size
search region lacks flexibility and is likely to fail in some cases, e.g., fast
motion and distractor interference. Trackers tend to lose the target object due
to the limited search region or be interfered with by distractors due to the
excessive search region. Drawing inspiration from the pattern humans track an
object, we propose a novel tracking paradigm, called Search Region Regulation
Tracking (SRRT) that applies a small eyereach when the target is captured and
zooms out the search field when the target is about to be lost. SRRT applies a
proposed search region regulator to estimate an optimal search region
dynamically for each frame, by which the tracker can flexibly respond to
transient changes in the location of object occurrences. To adapt the object's
appearance variation during online tracking, we further propose a lockingstate
determined updating strategy for reference frame updating. The proposed SRRT is
concise without bells and whistles, yet achieves evident improvements and
competitive results with other state-of-the-art trackers on eight benchmarks.
On the large-scale LaSOT benchmark, SRRT improves SiamRPN++ and TransT with
absolute gains of 4.6% and 3.1% in terms of AUC. The code and models will be
released.
- Abstract（参考訳）: 支配トラッカは、モデル入力、すなわち検索領域として、前回の予測または初期バウンディングボックスに基づいて固定サイズの矩形領域を生成する。
この方法では有望な追跡効率が得られるが、固定サイズの探索領域は柔軟性がなく、例えば速い動きや邪魔者干渉など、いくつかのケースでは失敗する可能性がある。
トラッカーは探索領域が限られているため対象物を失ったり、過剰な探索領域によって妨害される傾向にある。
対象物を追跡するパターンからインスピレーションを得て,ターゲットが捕捉された際に小さなアイリーチを施し,対象物が失われそうになったときに探索領域をズームアウトする,検索領域規制追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。
SRRTは提案した探索領域レギュレータを用いて各フレームに対して最適な探索領域を動的に推定する。
さらに,オンライントラッキングにおけるオブジェクトの外観変化に適応するため,参照フレーム更新のためのロック状態決定更新戦略を提案する。
提案したSRRTはベルやホイッスルを使わずに簡潔であるが、8つのベンチマークで他の最先端トラッカーと明らかな改善と競争的な結果が得られる。
大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
コードとモデルがリリースされます。
関連論文リスト
- REG: Refined Generalized Focal Loss for Road Asset Detection on Thai Highways Using Vision-Based Detection and Segmentation Models [0.0]
本稿では,タイの高速道路における重要道路資産の検出・分断のための新しい枠組みを提案する。
提案手法は,最先端の視覚に基づく検出・セグメンテーションモデルに統合され,クラス不均衡と,未表現の道路要素の局所化の課題に効果的に対処する。
論文 参考訳（メタデータ） (2024-09-15T22:04:33Z) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - RTrack: Accelerating Convergence for Visual Object Tracking via
Pseudo-Boxes Exploration [3.29854706649876]
単一のオブジェクト追跡(SOT)は、ターゲットオブジェクトをバウンディングボックスとして表現することに大きく依存している。
本稿では,新しいオブジェクト表現ベースライントラッカーRTrackを提案する。
RTrackは自動的に点を配置して空間範囲を定義し、局所領域をハイライトする。
論文 参考訳（メタデータ） (2023-09-23T04:41:59Z) - Detect Any Deepfakes: Segment Anything Meets Face Forgery Detection and
Localization [30.317619885984005]
本稿では,視覚的セグメンテーション基盤モデル,すなわちセグメンテーションモデル(SAM)をフォージェリ検出とローカライゼーションの対面に導入する。
SAMに基づいて,Multiscale Adapterを用いたDADFフレームワークを提案する。
提案するフレームワークは、エンドツーエンドのフォージェリーローカライゼーションと検出最適化をシームレスに統合する。
論文 参考訳（メタデータ） (2023-06-29T16:25:04Z) - Mesh-SORT: Simple and effective of location-wise tracker [0.0]
ほとんどのトラッキングシナリオでは、オブジェクトは移動し、特定の場所で失われる傾向があります。
本研究は,これらの地域を特定し,対象とすることのできる,追跡・関連のための異なる戦略を提案する。
我々は、失われたオブジェクトを扱うためのロバストな戦略と、検出によるトラッキングのための位置対応手法を提案する。
論文 参考訳（メタデータ） (2023-02-28T08:47:53Z) - TDIOT: Target-driven Inference for Deep Video Object Tracking [0.2457872341625575]
本研究では,事前訓練したMask R-CNNディープオブジェクト検出器をベースラインとして採用する。
本研究では,Mask R-CNNのFPN-ResNet101バックボーン上に新しい推論アーキテクチャを導入し,検出と追跡を共同で行う。
提案する単一オブジェクトトラッカであるtdiotは、データアソシエーションに外観類似性に基づく時間マッチングを適用する。
論文 参考訳（メタデータ） (2021-03-19T20:45:06Z) - CRACT: Cascaded Regression-Align-Classification for Robust Visual
Tracking [97.84109669027225]
改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。
CRACは多くのベンチマークで最先端のパフォーマンスを得る。
OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
論文 参考訳（メタデータ） (2020-11-25T02:18:33Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - Collaborative Training between Region Proposal Localization and
Classification for Domain Adaptive Object Detection [121.28769542994664]
オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。
本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
論文 参考訳（メタデータ） (2020-09-17T07:39:52Z) - SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。
効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。
構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文 参考訳（メタデータ） (2020-07-26T12:32:38Z)
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。