論文の概要: Tracking Different Ant Species: An Unsupervised Domain Adaptation
Framework and a Dataset for Multi-object Tracking
- arxiv url: http://arxiv.org/abs/2301.10559v2
- Date: Tue, 16 May 2023 09:46:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 18:56:44.476724
- Title: Tracking Different Ant Species: An Unsupervised Domain Adaptation
Framework and a Dataset for Multi-object Tracking
- Title（参考訳）: 異なるアリ種を追跡する:マルチオブジェクト追跡のための教師なしドメイン適応フレームワークとデータセット
- Authors: Chamath Abeysinghe, Chris Reid, Hamid Rezatofighi and Bernd Meyer
- Abstract要約: 本稿では,データ駆動型多目的トラッカーを提案する。
アリ追跡問題に対する新しいデータセットとベンチマークを提案する。
- 参考スコア（独自算出の注目度）: 6.0409040218619685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tracking individuals is a vital part of many experiments conducted to
understand collective behaviour. Ants are the paradigmatic model system for
such experiments but their lack of individually distinguishing visual features
and their high colony densities make it extremely difficult to perform reliable
tracking automatically. Additionally, the wide diversity of their species'
appearances makes a generalized approach even harder. In this paper, we propose
a data-driven multi-object tracker that, for the first time, employs domain
adaptation to achieve the required generalisation. This approach is built upon
a joint-detection-and-tracking framework that is extended by a set of domain
discriminator modules integrating an adversarial training strategy in addition
to the tracking loss. In addition to this novel domain-adaptive tracking
framework, we present a new dataset and a benchmark for the ant tracking
problem. The dataset contains 57 video sequences with full trajectory
annotation, including 30k frames captured from two different ant species moving
on different background patterns. It comprises 33 and 24 sequences for source
and target domains, respectively. We compare our proposed framework against
other domain-adaptive and non-domain-adaptive multi-object tracking baselines
using this dataset and show that incorporating domain adaptation at multiple
levels of the tracking pipeline yields significant improvements. The code and
the dataset are available at https://github.com/chamathabeysinghe/da-tracker.
- Abstract（参考訳）: 個人を追跡することは集団行動を理解するために多くの実験の不可欠な部分である。
アリはこのような実験のパラダイムモデルシステムであるが、視覚の特徴と高いコロニー密度を個別に区別できないため、信頼性の高い追跡は極めて困難である。
さらに、その種の外観の幅広い多様性は、一般化されたアプローチをさらに難しくする。
本稿では,データ駆動型マルチオブジェクトトラッカーを提案する。
このアプローチは、トラッキング損失に加えて、敵対的トレーニング戦略を統合する一連のドメイン識別モジュールによって拡張された共同検出および追跡フレームワーク上に構築されている。
この新たなドメイン適応追跡フレームワークに加えて,新しいデータセットとant追跡問題のベンチマークを提案する。
データセットには57の動画シーケンスと完全な軌跡アノテーションが含まれており、異なる背景パターンで動く2つの異なるアリ種から取得された30kフレームが含まれている。
ソースドメインとターゲットドメインはそれぞれ33と24のシーケンスで構成される。
このデータセットを用いて、提案フレームワークを他のドメイン適応型および非ドメイン適応型マルチオブジェクトトラッキングベースラインと比較し、トラッキングパイプラインの複数のレベルにおけるドメイン適応の導入により、大幅な改善が得られたことを示す。
コードとデータセットはhttps://github.com/chamathabeysinghe/da-trackerで入手できる。
関連論文リスト
- Uni$^2$Det: Unified and Universal Framework for Prompt-Guided Multi-dataset 3D Detection [64.08296187555095]
Uni$2$Detは3D検出のための統一的で普遍的なマルチデータセットトレーニングのためのフレームワークである。
マルチデータセット3D検出のためのマルチステージプロンプトモジュールを提案する。
ゼロショットクロスデータセット転送の結果は,提案手法の一般化能力を検証する。
論文 参考訳（メタデータ） (2024-09-30T17:57:50Z) - You Only Need Two Detectors to Achieve Multi-Modal 3D Multi-Object Tracking [9.20064374262956]
提案手法は,2次元検出器と3次元検出器のみを用いて,ロバストなトラッキングを実現する。
多くの最先端のTBDベースのマルチモーダルトラッキング手法よりも正確であることが証明されている。
論文 参考訳（メタデータ） (2023-04-18T02:45:18Z) - 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) - CARLANE: A Lane Detection Benchmark for Unsupervised Domain Adaptation
from Simulation to multiple Real-World Domains [0.0]
Unsupervised Domain Adaptationは、ラベル付きソースドメインからラベルなしターゲットドメインにモデルを転送する。
CARLANEは2次元車線検出のための3方向のシミュレート・ドメイン適応ベンチマークである。
論文 参考訳（メタデータ） (2022-06-16T10:53:18Z) - Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。
トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
論文 参考訳（メタデータ） (2022-04-04T13:39:43Z) - 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) - Multiple Convolutional Features in Siamese Networks for Object Tracking [13.850110645060116]
Multiple Features-Siamese Tracker (MFST) は、ロバストな追跡のために複数の階層的な特徴マップを利用する新しい追跡アルゴリズムである。
MFSTは、オブジェクト追跡ベンチマークにおいて標準のサイメムトラッカーよりも高いトラッキング精度を達成する。
論文 参考訳（メタデータ） (2021-03-01T08:02:27Z) - Simple multi-dataset detection [83.9604523643406]
複数の大規模データセット上で統合検出器を訓練する簡単な方法を提案する。
データセット固有のアウトプットを共通の意味分類に自動的に統合する方法を示す。
私たちのアプローチは手動の分類学の調整を必要としません。
論文 参考訳（メタデータ） (2021-02-25T18:55:58Z) - Discriminative Appearance Modeling with Multi-track Pooling for
Real-time Multi-object Tracking [20.66906781151]
マルチオブジェクトトラッキングでは、トラッカーはそのメモリ内にシーンの各オブジェクトの外観と動き情報を保持する。
多くのアプローチは、それぞれのターゲットを分離してモデル化し、シーン内のすべてのターゲットを使用してメモリを共同で更新する能力がない。
オンライン上でハードトラッキングのエピソードを生成するマルチトラックプーリングに適応したトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2021-01-28T18:12:39Z) - TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。
ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。
我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
論文 参考訳（メタデータ） (2020-05-20T21:07:28Z)
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。