論文の概要: Variational Bayes for robust radar single object tracking
- arxiv url: http://arxiv.org/abs/2209.14397v1
- Date: Wed, 28 Sep 2022 19:41:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 16:43:41.486864
- Title: Variational Bayes for robust radar single object tracking
- Title(参考訳): ロバストレーダ単一物体追跡のための変分ベイズ
- Authors: Alp Sar{\i}, Tak Kaneko, Lense H.M. Swaenen, Wouter M. Kouw
- Abstract要約: 我々は、レーダによる物体追跡と、現在最先端の手法による異常処理の堅牢性に対処する。
本稿では,ガウス型サムフィルタをベースラインとして,ガウス型よりも重い分布を持つプロセスノイズをモデル化して修正を提案する。
シミュレーションにより, プロセスアウトレーヤの存在下では, ロバストトラッカーは単一物体の追跡においてガウス・サムフィルタよりも優れていることがわかった。
- 参考スコア(独自算出の注目度): 5.390933335965428
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address object tracking by radar and the robustness of the current
state-of-the-art methods to process outliers. The standard tracking algorithms
extract detections from radar image space to use it in the filtering stage.
Filtering is performed by a Kalman filter, which assumes Gaussian distributed
noise. However, this assumption does not account for large modeling errors and
results in poor tracking performance during abrupt motions. We take the
Gaussian Sum Filter (single-object variant of the Multi Hypothesis Tracker) as
our baseline and propose a modification by modelling process noise with a
distribution that has heavier tails than a Gaussian. Variational Bayes provides
a fast, computationally cheap inference algorithm. Our simulations show that -
in the presence of process outliers - the robust tracker outperforms the
Gaussian Sum filter when tracking single objects.
- Abstract(参考訳): 我々は,レーダーによる物体追跡と現在の最先端手法のロバスト性に対処し,異常値の処理を行う。
標準追跡アルゴリズムは、レーダ画像空間から検出を抽出し、フィルタリング段階で使用する。
フィルタはカルマンフィルタによって行われ、ガウス分布ノイズを仮定する。
しかし、この仮定は大きなモデリングエラーを考慮せず、突然の動作中に追跡性能が低下する。
本稿では,ガウス型Sumフィルタ(多仮説トラッカーの単一対象変種)をベースラインとして,ガウス型よりも重い分布を持つプロセスノイズをモデル化して修正を提案する。
variational bayesは高速で計算コストの安い推論アルゴリズムを提供する。
シミュレーションにより,プロセスアウトレーヤの存在下では,ロバストトラッカーは単一物体の追跡においてガウス・サムフィルタよりも優れていることがわかった。
関連論文リスト
- Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳(メタデータ) (2024-02-15T08:51:49Z) - Neural Operator Variational Inference based on Regularized Stein
Discrepancy for Deep Gaussian Processes [23.87733307119697]
本稿では,深いガウス過程に対するニューラル演算子変分推論(NOVI)を提案する。
NOVIは、ニューラルジェネレータを使用してサンプリング装置を取得し、生成された分布と真の後部の間のL2空間における正規化スタインの離散性を最小化する。
提案手法が提案するバイアスは定数で発散を乗算することで制御可能であることを示す。
論文 参考訳(メタデータ) (2023-09-22T06:56:35Z) - Feature Tracks are not Zero-Mean Gaussian [63.51990384359593]
特徴トラック位置の誤差がゼロ平均ガウスであると考えるのが慣例である。
キャリブレーションされたカメラの内在、地中カメラのポーズ、深度画像の組み合わせにより、画像処理アルゴリズムを用いて抽出した特徴トラックの地中トラック位置を計算することができる。
論文 参考訳(メタデータ) (2023-03-25T00:58:30Z) - DINF: Dynamic Instance Noise Filter for Occluded Pedestrian Detection [0.0]
RCNNベースの歩行者検出器は、矩形領域を使用してインスタンスの特徴を抽出する。
重なり合うオブジェクトの数とわずかに重なり合うオブジェクトの数は不均衡である。
RCNNをベースとした歩行者検知器の信号雑音比を改善するために, 繰り返し動的インスタンスノイズフィルタ (DINF) を提案する。
論文 参考訳(メタデータ) (2023-01-13T14:12:36Z) - Confidence-aware Training of Smoothed Classifiers for Certified
Robustness [75.95332266383417]
我々は「ガウス雑音下での精度」を、入力に対する対角的ロバスト性の容易に計算可能なプロキシとして利用する。
実験の結果, 提案手法は, 最先端の訓練手法による信頼性向上を継続的に示すことがわかった。
論文 参考訳(メタデータ) (2022-12-18T03:57:12Z) - Target Aware Poisson-Gaussian Noise Parameters Estimation from Noisy
Images [0.0]
センサが捉えた生画像に対して,Poisson-Gaussianノイズモデルを用いる。
分散および累積統計量に基づく2つのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-10-21T17:53:56Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳(メタデータ) (2022-09-22T07:50:48Z) - A New Adaptive Noise Covariance Matrices Estimation and Filtering
Method: Application to Multi-Object Tracking [6.571006663689735]
カルマンフィルタは物体追跡に広く使われており、一般にプロセスと測定ノイズは正確に知られ、一定であると考えられている。
本稿では,Kalmanフィルタプロセスとノイズ共分散行列をオンラインで推定するための新しい推定補正閉ループ推定法を提案する。
論文 参考訳(メタデータ) (2021-12-20T03:11:48Z) - Unrolling Particles: Unsupervised Learning of Sampling Distributions [102.72972137287728]
粒子フィルタリングは複素系の優れた非線形推定を計算するために用いられる。
粒子フィルタは様々なシナリオにおいて良好な推定値が得られることを示す。
論文 参考訳(メタデータ) (2021-10-06T16:58:34Z) - Learning based signal detection for MIMO systems with unknown noise
statistics [84.02122699723536]
本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。
実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。
我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
論文 参考訳(メタデータ) (2021-01-21T04:48:15Z)
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。