論文の概要: Motion-based Post-Processing: Using Kalman Filter to Exclude Similar Targets in Underwater Object Tracking

• arxiv url: http://arxiv.org/abs/2301.01482v1
• Date: Wed, 4 Jan 2023 08:22:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 15:41:12.270990
• Title: Motion-based Post-Processing: Using Kalman Filter to Exclude Similar Targets in Underwater Object Tracking
• Title（参考訳）: 動作に基づく後処理:Kalmanフィルタを用いた水中物体追跡における類似目標抽出
• Authors: Yunfeng Li, Bo Wang, Ye Li, Wei Huo, Zhuoyan Liu
• Abstract要約: 本稿では,Kalmanフィルタ(KF)を用いた動きに基づく新しい後処理手法を提案する。 提案手法はネットワーク構造を変更せず,トラッカーのための追加トレーニングも行わない。 同様のターゲット問題のある他の追跡フィールドに迅速に適用することができる。
• 参考スコア（独自算出の注目度）: 6.444308863858333
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Visual tracker includes network and post-processing. Despite the color distortion and low contrast of underwater images, advanced trackers can still be very competitive in underwater object tracking because deep learning empowers the networks to discriminate the appearance features of the target. However, underwater object tracking also faces another problem. Underwater targets such as fish and dolphins, usually appear in groups, and creatures of the same species usually have similar expressions of appearance features, so it is challenging to distinguish the weak differences characteristics only by the network itself. The existing detection-based post-processing only reflects the results of single frame detection, but cannot locate real targets among similar targets. In this paper, we propose a new post-processing strategy based on motion, which uses Kalman filter (KF) to maintain the motion information of the target and exclude similar targets around. Specifically, we use the KF predicted box and the candidate boxes in the response map and their confidence to calculate the candidate location score to find the real target. Our method does not change the network structure, nor does it perform additional training for the tracker. It can be quickly applied to other tracking fields with similar target problem. We improved SOTA trackers based on our method, and proved the effectiveness of our method on UOT100 and UTB180. The AUC of our method for OSTrack on similar subsequences is improved by more than 3% on average, and the precision and normalization precision are improved by more than 3.5% on average. It has been proved that our method has good compatibility in dealing with similar target problems and can enhance performance of the tracker together with other methods. More details can be found in: https://github.com/LiYunfengLYF/KF_in_underwater_trackers.
• Abstract（参考訳）: visual trackerにはネットワークとポストプロセッシングが含まれている。 水中画像の色歪みやコントラストが低いにもかかわらず、深層学習によってターゲットの外観特徴を識別できるため、高度トラッカーは水中物体追跡において非常に競争力がある。 しかし、水中の物体追跡もまた別の問題に直面している。 魚やイルカのような水中の標的は通常群れに出現し、同じ種の生物は外見の特徴の類似した表現を持つため、ネットワーク自体によってのみ弱い特徴を区別することは困難である。 既存の検出ベースの後処理は、単一のフレーム検出の結果のみを反映するが、類似したターゲットの実際のターゲットを見つけることはできない。 本稿では,kalmanフィルタ(kf)を用いた動きに基づく新しい後処理戦略を提案する。 具体的には、KF予測ボックスと応答マップ内の候補ボックスと信頼度を用いて、候補位置スコアを算出し、実際の目標を求める。 本手法ではネットワーク構造は変更せず,トラッカに対する追加トレーニングも行わない。 同様のターゲット問題のある他の追跡フィールドに迅速に適用することができる。 提案手法に基づいてSOTAトラッカーを改良し,UOT100およびUTB180上での有効性を実証した。 類似サブシーケンスにおけるOSTrackのAUCは平均で3%以上改善され、精度と正規化精度は平均で3.5%以上向上した。 提案手法は,類似した目標問題に対処し,他の手法と併用してトラッカーの性能を向上させることができることが証明された。 詳細はhttps://github.com/LiYunfengLYF/KF_in_underwater_trackersを参照してください。

関連論文リスト

• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• BEVTrack: A Simple and Strong Baseline for 3D Single Object Tracking in Bird's-Eye View [56.77287041917277]
  3Dシングルオブジェクトトラッキング(SOT)はコンピュータビジョンの基本課題であり、自律運転のようなアプリケーションに不可欠なことを証明している。 本稿では,単純で効果的なベースライン手法であるBEVTrackを提案する。 Bird's-Eye View (BEV) における目標運動を推定して追跡を行うことにより、BEVTrackは、ネットワーク設計、トレーニング目標、トラッキングパイプラインなど、様々な側面から驚くほどの単純さを示しながら、優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-09-05T12:42:26Z)
• Improving Underwater Visual Tracking With a Large Scale Dataset and Image Enhancement [70.2429155741593]
  本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。 水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。 本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。 この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
  論文  参考訳（メタデータ） (2023-08-30T07:41:26Z)
• Vision-Based Autonomous Navigation for Unmanned Surface Vessel in Extreme Marine Conditions [2.8983738640808645]
  本稿では,極端海洋環境下での目標物追跡のための自律的視覚に基づくナビゲーション・フレームワークを提案する。 提案手法は砂嵐や霧による可視性低下下でのシミュレーションで徹底的に検証されている。 結果は、ベンチマークしたMBZIRCシミュレーションデータセット全体にわたる最先端のデハージング手法と比較される。
  論文  参考訳（メタデータ） (2023-08-08T14:25:13Z)
• Multi-Object Tracking by Iteratively Associating Detections with Uniform Appearance for Trawl-Based Fishing Bycatch Monitoring [22.228127377617028]
  漁業活動における漁獲監視の目的は、映像から魚の標的をリアルタイムで検出し、追跡し、分類することである。 本稿では,既存の観測中心追跡アルゴリズムに基づく新しいMOT手法を提案する。 本手法は,海洋魚種群およびMOT17種群において,一様外観の追跡目標の性能向上と最先端技術の向上を図っている。
  論文  参考訳（メタデータ） (2023-04-10T18:55:10Z)
• BrackishMOT: The Brackish Multi-Object Tracking Dataset [20.52569822945148]
  濁った環境で捕獲された水中マルチオブジェクト追跡(MOT)データセットは公開されていない。 BrackishMOTは、野生で捕獲された98のシークエンスから構成される。新しいデータセットに加えて、最先端のトラッカーをトレーニングしてベースライン結果を示す。 トレーニング中に合成データを含めることの効果を分析し,実際の水中トレーニングデータと合成水中トレーニングデータを組み合わせることで,追跡性能が向上することを示した。
  論文  参考訳（メタデータ） (2023-02-21T13:02:36Z)
• Semi-Supervised Visual Tracking of Marine Animals using Autonomous Underwater Vehicles [0.40498500266986387]
  海洋生物のその場での視覚観察は、行動的理解と周囲の生態系との関係の発達に不可欠である。 近年、カメラとGPU機能を備えた組み込みコンピュータを備えた自律型水中車両が様々な用途で開発されている。 半教師付き追跡アルゴリズムは、完全な教師付き追跡アルゴリズムよりも少ないデータを必要とするため、代替の追跡ソリューションを提供することができる。
  論文  参考訳（メタデータ） (2023-02-14T21:08:52Z)
• AVisT: A Benchmark for Visual Object Tracking in Adverse Visibility [125.77396380698639]
  AVisTは、視認性の悪いさまざまなシナリオにおける視覚的トラッキングのためのベンチマークである。 AVisTは、80kの注釈付きフレームを持つ120の挑戦的なシーケンスで構成されており、18の多様なシナリオにまたがっている。 我々は、属性間でのトラッキング性能を詳細に分析し、AVisTで17の人気のトラッカーと最近のトラッカーをベンチマークした。
  論文  参考訳（メタデータ） (2022-08-14T17:49:37Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• Probabilistic Tracklet Scoring and Inpainting for Multiple Object Tracking [83.75789829291475]
  本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。 これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。 我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-03T23:59:27Z)

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。