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

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Visual Multi-Object Tracking with Re-Identification and Occlusion Handling using Labeled Random Finite Sets [10.618186767487993]
  本稿では、オブジェクトの出現と隠蔽を解消するオンライン視覚多目的追跡(MOT)アルゴリズムを提案する。 我々の解は、ラベル付きランダム有限集合 (LRFS) フィルタリングアプローチに基づいている。 本稿では,トラックの重なり合う部分とそのサイズを考慮したファジィ検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-11T21:15:21Z)
• Convolutional Unscented Kalman Filter for Multi-Object Tracking with Outliers [17.38485814970625]
  マルチオブジェクトトラッキング(MOT)は、自律運転におけるナビゲーションに不可欠な技術である。 近年, トラッキング手法は, 外乱を観測するフィルタリングアルゴリズムに基づいており, トラッキング精度の低下や, オブジェクトの軌跡の喪失さえも生じている。 我々は,ConvUKFが外れ値の存在下で有界な追跡誤差を持つことを示す。
  論文  参考訳（メタデータ） (2024-06-03T14:42:38Z)
• Robust Visual Tracking via Iterative Gradient Descent and Threshold Selection [4.978166837959101]
  本稿では, 誤差ベクトルがガウス-ラプラシアン分布に従えば, 良好な性能が得られる新しい線形回帰推定器を提案する。 さらに、IGDTSを生成トラッカーに拡張し、IGDTS距離を適用してサンプルとモデル間のずれを測定する。 いくつかの難解な画像列の実験結果から,提案したトラッカーは既存のトラッカーより優れていた。
  論文  参考訳（メタデータ） (2024-06-02T01:51:09Z)
• 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)
• 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)
• 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)
• 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。