論文の概要: Semi-automatic Data Annotation System for Multi-Target Multi-Camera Vehicle Tracking

• arxiv url: http://arxiv.org/abs/2209.09606v1
• Date: Tue, 20 Sep 2022 10:37:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 18:34:55.672394
• Title: Semi-automatic Data Annotation System for Multi-Target Multi-Camera Vehicle Tracking
• Title（参考訳）: マルチターゲットマルチカメラ車両追跡のための半自動データアノテーションシステム
• Authors: Haohong Liao, Silin Zheng, Xuelin Shen, Mark Junjie Li and Xu Wang
• Abstract要約: マルチターゲットマルチカメラトラッキング(MTMCT)は、インテリジェントビデオ分析、監視ビデオ検索、その他のアプリケーションシナリオにおいて重要な役割を果たす。 ディープラーニングベースのTMCTが主流であり、精度と効率のトラッキングに関して、素晴らしい改善が達成されている。 本稿では,実世界のTMCTデータセット構築を容易にする半自動データアノテーションシステムを提案する。
• 参考スコア（独自算出の注目度）: 5.479834571773961
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-target multi-camera tracking (MTMCT) plays an important role in intelligent video analysis, surveillance video retrieval, and other application scenarios. Nowadays, the deep-learning-based MTMCT has been the mainstream and has achieved fascinating improvements regarding tracking accuracy and efficiency. However, according to our investigation, the lacking of datasets focusing on real-world application scenarios limits the further improvements for current learning-based MTMCT models. Specifically, the learning-based MTMCT models training by common datasets usually cannot achieve satisfactory results in real-world application scenarios. Motivated by this, this paper presents a semi-automatic data annotation system to facilitate the real-world MTMCT dataset establishment. The proposed system first employs a deep-learning-based single-camera trajectory generation method to automatically extract trajectories from surveillance videos. Subsequently, the system provides a recommendation list in the following manual cross-camera trajectory matching process. The recommendation list is generated based on side information, including camera location, timestamp relation, and background scene. In the experimental stage, extensive results further demonstrate the efficiency of the proposed system.
• Abstract（参考訳）: マルチターゲットマルチカメラトラッキング(MTMCT)は、インテリジェントビデオ分析、監視ビデオ検索、その他のアプリケーションシナリオにおいて重要な役割を果たす。 現在、ディープラーニングベースのMTMCTが主流であり、精度と効率のトラッキングに関して素晴らしい改善を遂げている。 しかし,本研究によると,現実世界のアプリケーションシナリオに着目したデータセットの欠如は,現在の学習ベースTMCTモデルのさらなる改善を妨げている。 特に、一般的なデータセットによる学習ベースのmtmctモデルは、現実世界のアプリケーションシナリオで満足のいく結果を得ることができない。 そこで本稿では,実世界のmtmctデータセット構築を容易にする半自動データアノテーションシステムを提案する。 提案システムは,まず,深層学習に基づく単一カメラトラジェクトリ生成手法を用いて,監視ビデオからトラジェクトリを自動的に抽出する。 その後、システムは以下の手動のクロスカメラ軌道マッチングプロセスで推奨リストを提供する。 推奨リストは、カメラ位置、タイムスタンプ関係、背景シーンなどのサイド情報に基づいて生成される。 実験段階では,提案システムの有効性がさらに証明された。

関連論文リスト

• MCTrack: A Unified 3D Multi-Object Tracking Framework for Autonomous Driving [10.399817864597347]
  本稿では,KITTI, nuScenes, データセット間でのSOTA(State-of-the-art)性能を実現する3Dマルチオブジェクトトラッキング手法であるMCTrackを紹介する。
  論文  参考訳（メタデータ） (2024-09-23T11:26:01Z)
• UdeerLID+: Integrating LiDAR, Image, and Relative Depth with Semi-Supervised [12.440461420762265]
  道路分割は自動運転システムにとって重要な課題である。 我々の研究は、LiDARポイントクラウドデータ、ビジュアルイメージ、および相対深度マップを統合する革新的なアプローチを導入している。 主な課題の1つは、大規模で正確にラベル付けされたデータセットの不足である。
  論文  参考訳（メタデータ） (2024-09-10T03:57:30Z)
• MTMMC: A Large-Scale Real-World Multi-Modal Camera Tracking Benchmark [63.878793340338035]
  マルチターゲットマルチカメラトラッキングは、複数のカメラからのビデオストリームを使用して個人を特定し、追跡する重要なタスクである。 このタスクの既存のデータセットは、制御されたカメラネットワーク設定内で合成または人工的に構築される。 我々は16台のマルチモーダルカメラで2つの異なる環境でキャプチャされた長いビデオシーケンスを含む実世界の大規模データセットであるMTMMCを紹介する。
  論文  参考訳（メタデータ） (2024-03-29T15:08:37Z)
• Self-Supervised Representation Learning from Temporal Ordering of Automated Driving Sequences [49.91741677556553]
  本研究では、認識タスクのための地域レベルの特徴表現を事前学習するための時間順述前文タスクであるTempOを提案する。 我々は各フレームを、オブジェクト検出やトラッキングシステムにとって自然な表現である、未順序な特徴ベクトルのセットで埋め込む。 BDD100K、nu Images、MOT17データセットの大規模な評価は、私たちのTempO事前学習アプローチがシングルフレームの自己教師型学習方法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-02-17T18:18:27Z)
• Unifying Tracking and Image-Video Object Detection [54.91658924277527]
  TrIVD (Tracking and Image-Video Detection) は、画像OD、ビデオOD、MOTを1つのエンドツーエンドモデルに統合する最初のフレームワークである。 カテゴリラベルの相違やセマンティックな重複に対処するため、TrIVDは対象カテゴリに対する検出/追跡を基礎と理由として定式化している。
  論文  参考訳（メタデータ） (2022-11-20T20:30:28Z)
• 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)
• Know Your Surroundings: Panoramic Multi-Object Tracking by Multimodality Collaboration [56.01625477187448]
  MMPAT(MultiModality PAnoramic Multi-object Tracking framework)を提案する。 2次元パノラマ画像と3次元点雲を入力とし、マルチモーダルデータを用いて目標軌道を推定する。 提案手法は,検出タスクと追跡タスクの両方においてMMPATが最高性能を達成するJRDBデータセット上で評価する。
  論文  参考訳（メタデータ） (2021-05-31T03:16:38Z)
• Multi-Target Multi-Camera Tracking of Vehicles using Metadata-Aided Re-ID and Trajectory-Based Camera Link Model [32.01329933787149]
  メタデータ支援再識別(MA-ReID)とトラジェクトリベースカメラリンクモデル(TCLM)に基づく車両のマルチターゲットマルチカメラ追跡のための新しいフレームワークを提案する。 提案手法はcityflowデータセット上で評価され,idf176.77%となり,最先端mtmct法を上回った。
  論文  参考訳（メタデータ） (2021-05-03T23:20:37Z)
• Traffic-Aware Multi-Camera Tracking of Vehicles Based on ReID and Camera Link Model [43.850588717944916]
  MTMCT(Multi-target Multi-camera Tracking)は,スマートシティアプリケーションにおいて重要な技術である。 本稿では,車載用MTMCTフレームワークを提案する。 提案するMTMCTは,CityFlowデータセットを用いて評価し,IDF1の74.93%の新たな最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-08-22T08:54:47Z)
• Auto-Rectify Network for Unsupervised Indoor Depth Estimation [119.82412041164372]
  ハンドヘルド環境に現れる複雑な自我運動が,学習深度にとって重要な障害であることが確認された。 本稿では,相対回転を除去してトレーニング画像の修正を効果的に行うデータ前処理手法を提案する。 その結果、従来の教師なしSOTA法よりも、難易度の高いNYUv2データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-06-04T08:59:17Z)

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。