論文の概要: Density-based clustering with fully-convolutional networks for crowd flow detection from drones

• arxiv url: http://arxiv.org/abs/2301.04937v1
• Date: Thu, 12 Jan 2023 11:10:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-13 14:37:50.833229
• Title: Density-based clustering with fully-convolutional networks for crowd flow detection from drones
• Title（参考訳）: ドローンからの群集流検出のための完全畳み込みネットワークを用いた密度クラスタリング
• Authors: Giovanna Castellano, Eugenio Cotardo, Corrado Mencar, Gennaro Vessio
• Abstract要約: 本稿では,ドローンが撮影した映像の群集流検出手法を提案する。 この手法は,クラウドクラスタリングを学習する完全畳み込みネットワークに基づいている。 提案手法は,VisDrone チャレンジの Crowd Counting データセットで検証した場合,有効かつ効果的であることが確認された。
• 参考スコア（独自算出の注目度）: 13.303316288463895
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Crowd analysis from drones has attracted increasing attention in recent times due to the ease of use and affordable cost of these devices. However, how this technology can provide a solution to crowd flow detection is still an unexplored research question. To this end, we propose a crowd flow detection method for video sequences shot by a drone. The method is based on a fully-convolutional network that learns to perform crowd clustering in order to detect the centroids of crowd-dense areas and track their movement in consecutive frames. The proposed method proved effective and efficient when tested on the Crowd Counting datasets of the VisDrone challenge, characterized by video sequences rather than still images. The encouraging results show that the proposed method could open up new ways of analyzing high-level crowd behavior from drones.
• Abstract（参考訳）: ドローンによる群衆分析は、これらのデバイスの使いやすさと安価なコストのために、近年注目を集めている。 しかし、この技術がクラウドフロー検出のソリューションを提供するには、まだ未調査の研究課題である。 そこで本研究では,ドローンが撮影した映像の群集流検出手法を提案する。 本手法は,群集群集を学習し,群集群集領域の遠心部を検出し,その動きを連続フレームで追跡する,完全畳み込みネットワークに基づいている。 提案手法は,静止画像ではなく映像シーケンスを特徴とするVisDroneチャレンジのクラウドカウンティングデータセットを用いて,効率的かつ効果的に検証された。 その結果,提案手法は,ドローンから高レベルの群集行動を分析する新しい方法が開ける可能性が示唆された。

関連論文リスト

• Multi-view Tracking Using Weakly Supervised Human Motion Prediction [60.972708589814125]
  さらに効果的なアプローチは、時間とともに人々の動きを予測し、それらから個々のフレームにおける人々の存在を推定することである、と我々は主張する。 これにより、時間とともに、また1つの時間フレームのビューにわたって一貫性を強制できる。 PETS2009およびWILDTRACKデータセットに対する我々のアプローチを検証するとともに、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-19T17:58:23Z)
• AntPivot: Livestream Highlight Detection via Hierarchical Attention Mechanism [64.70568612993416]
  本稿では,Livestream Highlight Detectionという新たなタスクを定式化し,上記の課題を議論・分析し,新しいアーキテクチャAntPivotを提案する。 我々は、このタスクをインスタンス化し、我々のモデルの性能を評価するために、完全に注釈付きデータセットAntHighlightを構築した。
  論文  参考訳（メタデータ） (2022-06-10T05:58:11Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)
• Vision-based Drone Flocking in Outdoor Environments [9.184987303791292]
  このレターでは、ドローン群に対する視覚に基づく検出と追跡アルゴリズムを提案する。 我々は畳み込みニューラルネットワークを用いてクワッドコプターの近傍のエージェントをリアルタイムで検出・ローカライズする。 背景が乱雑で照明が難しいにもかかわらず、ドローンは屋外環境で安全に航行できることが示される。
  論文  参考訳（メタデータ） (2020-12-02T14:44:40Z)
• A Flow Base Bi-path Network for Cross-scene Video Crowd Understanding in Aerial View [93.23947591795897]
  本稿では,これらの課題に対処し,ドローンから収集した視覚的データから参加者を自動的に理解する。 クロスシーンテストで発生する背景雑音を軽減するために, 二重ストリーム群カウントモデルを提案する。 極暗環境下での集団密度推定問題に対処するために,ゲームグランドセフトオートV(GTAV)によって生成された合成データを導入する。
  論文  参考訳（メタデータ） (2020-09-29T01:48:24Z)
• Image Generation for Efficient Neural Network Training in Autonomous Drone Racing [15.114944019221456]
  自律型ドローンレースでは、未知の環境で完全に自律的に飛行することで、この課題を達成する必要がある。 色や幾何学に基づく従来の物体検出アルゴリズムは失敗する傾向がある。 本研究では,実際の背景画像とゲートのランダム化3次元レンダリングを組み合わせた半合成データセット生成手法を提案する。
  論文  参考訳（メタデータ） (2020-08-06T12:07:36Z)
• Tracking-by-Counting: Using Network Flows on Crowd Density Maps for Tracking Multiple Targets [96.98888948518815]
  State-of-the-art multi-object tracking(MOT)法は、トラッキング・バイ・検出のパラダイムに従っている。 混み合ったシーンに適したMOTパラダイムであるトラッキング・バイ・カウントを提案する。
  論文  参考訳（メタデータ） (2020-07-18T19:51:53Z)
• Over-crowdedness Alert! Forecasting the Future Crowd Distribution [87.12694319017346]
  提案手法は,クラウドビデオの逐次的フレームを識別アノテーションを使わずに,近い将来に群衆の分布を予測することを目的として,新しい群集解析問題を定式化したものである。 この問題を解決するために, 連続する群集映像フレームを入力とし, 対応する密度マップを補助情報として利用するグローバルな2ストリームリカレントネットワークを提案する。
  論文  参考訳（メタデータ） (2020-06-09T08:59:54Z)

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。