論文の概要: Adaptive Siamese Tracking with a Compact Latent Network
- arxiv url: http://arxiv.org/abs/2302.00930v2
- Date: Wed, 14 Jun 2023 09:59:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-17 02:25:16.380911
- Title: Adaptive Siamese Tracking with a Compact Latent Network
- Title（参考訳）: 小型潜時ネットワークを用いた適応型シームズ追跡
- Authors: Xingping Dong, Jianbing Shen, Fatih Porikli, Jiebo Luo, and Ling Shao
- Abstract要約: 追跡タスクを分類に変換することで,シームズをベースとしたトラッカーを簡易化する直感的なビューを提供する。
そこで本研究では,視覚シミュレーションと実追跡例を用いて,詳細な解析を行う。
そこで我々は,古典的なSiamRPN++,SiamFC,SiamBANの3つのトラッカーを調整した。
- 参考スコア（独自算出の注目度）: 219.38172719948048
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, we provide an intuitive viewing to simplify the Siamese-based
trackers by converting the tracking task to a classification. Under this
viewing, we perform an in-depth analysis for them through visual simulations
and real tracking examples, and find that the failure cases in some challenging
situations can be regarded as the issue of missing decisive samples in offline
training. Since the samples in the initial (first) frame contain rich
sequence-specific information, we can regard them as the decisive samples to
represent the whole sequence. To quickly adapt the base model to new scenes, a
compact latent network is presented via fully using these decisive samples.
Specifically, we present a statistics-based compact latent feature for fast
adjustment by efficiently extracting the sequence-specific information.
Furthermore, a new diverse sample mining strategy is designed for training to
further improve the discrimination ability of the proposed compact latent
network. Finally, a conditional updating strategy is proposed to efficiently
update the basic models to handle scene variation during the tracking phase. To
evaluate the generalization ability and effectiveness and of our method, we
apply it to adjust three classical Siamese-based trackers, namely SiamRPN++,
SiamFC, and SiamBAN. Extensive experimental results on six recent datasets
demonstrate that all three adjusted trackers obtain the superior performance in
terms of the accuracy, while having high running speed.
- Abstract（参考訳）: 本稿では,シームズに基づくトラッカーを簡易化するために,トラッキングタスクを分類に変換し,直感的なビューアを提供する。
この見地から,視覚シミュレーションや実追跡例を通じて詳細な解析を行い,いくつかの困難な状況における障害事例をオフライントレーニングにおける決定的サンプルの欠落問題とみなすことができる。
最初の(最初の)フレームのサンプルは、豊富なシーケンス固有情報を含んでいるので、シーケンス全体を表す決定的なサンプルとみなすことができる。
ベースモデルを新しいシーンに迅速に適応させるために、これらの決定的なサンプルをフル活用して、コンパクトな潜在ネットワークを提示する。
具体的には,逐次的情報抽出を効率的に行うことで,高速調整のための統計に基づくコンパクトな潜在性特徴を提案する。
さらに,提案するコンパクト潜在ネットワークの識別能力をさらに向上させるための,新たな多種多様なサンプルマイニング戦略を考案した。
最後に,追跡フェーズ中のシーン変動を効率的に処理するために,基本モデルを更新するための条件付き更新戦略を提案する。
本手法の一般化と有効性を評価するため,siamrpn++,siamfc,siambanの3つの古典的なsiameseベースのトラッカーを調整した。
最近の6つのデータセットの大規模な実験結果から、3つの調整されたトラッカーは高い走行速度を保ちながら精度で優れた性能が得られることが示された。
関連論文リスト
- Improving Network Interpretability via Explanation Consistency Evaluation [56.14036428778861]
本稿では、より説明可能なアクティベーションヒートマップを取得し、同時にモデル性能を向上させるフレームワークを提案する。
具体的には、モデル学習において、トレーニングサンプルを適応的に重み付けするために、新しいメトリクス、すなわち説明整合性を導入する。
そこで,本フレームワークは,これらのトレーニングサンプルに深い注意を払ってモデル学習を促進する。
論文 参考訳（メタデータ） (2024-08-08T17:20:08Z) - Boosting Low-Data Instance Segmentation by Unsupervised Pre-training
with Saliency Prompt [103.58323875748427]
この研究は、低データ体制のための新しい教師なし事前学習ソリューションを提供する。
近年のPrompting技術の成功に触発されて,QEISモデルを強化した新しい事前学習手法を導入する。
実験結果から,本手法は3つのデータセット上でのいくつかのQEISモデルを大幅に向上させることが示された。
論文 参考訳（メタデータ） (2023-02-02T15:49:03Z) - Dynamic Template Selection Through Change Detection for Adaptive Siamese
Tracking [7.662745552551165]
単一オブジェクト追跡(SOT)は、ターゲットオブジェクトの外観の変化や変形のため、現実世界のアプリケーションでは難しい課題である。
本稿では,テンプレートの破損を防止し,動的サンプル選択とメモリ再生のための新しい手法を提案する。
提案手法は,モデル適応にオンライン学習を利用する任意のオブジェクト追跡アルゴリズムに組み込むことができる。
論文 参考訳（メタデータ） (2022-03-07T07:27:02Z) - An Informative Tracking Benchmark [133.0931262969931]
既存のデータセットと新たに収集されたデータセットの1.2Mフレームのうち7%が、小型かつ情報的追跡ベンチマーク(ITB)である。
1) 課題レベル, 2) 識別力, 3) 外観変化の密度を考慮し, 既存のベンチマークから最も有意義なシーケンスを選択する。
同一データ上で再学習した15の最先端トラッカーの結果を解析することにより,各シナリオ下でのロバストなトラッカーの効果的な手法を決定できる。
論文 参考訳（メタデータ） (2021-12-13T07:56:16Z) - Video Annotation for Visual Tracking via Selection and Refinement [74.08109740917122]
ビデオシーケンスのバウンディングボックスアノテーションを容易にするための新しいフレームワークを提案する。
目標位置の時間的コヒーレンスを捉えることのできる時間的アセスメントネットワークを提案する。
また、選択したトラッキング結果をさらに強化するために、ビジュアルジオメトリ・リファインメント・ネットワークが設計されている。
論文 参考訳（メタデータ） (2021-08-09T05:56:47Z) - Simpler Certified Radius Maximization by Propagating Covariances [39.851641822878996]
Cifar-10、ImageNet、Places365などのデータセットの認定半径を最大化するアルゴリズムを示します。
これらの基準を満たすことで、データセットの認定半径を適度な深さで最大化し、全体の精度を小さくするアルゴリズムが得られることを示す。
論文 参考訳（メタデータ） (2021-04-13T01:38:36Z) - Dynamic Scale Training for Object Detection [111.33112051962514]
本稿では,オブジェクト検出におけるスケール変動問題を軽減するために,動的スケールトレーニングパラダイム(DST)を提案する。
提案したDSTのスケール変動処理に対する有効性を示す実験結果を得た。
推論オーバーヘッドを導入せず、一般的な検出設定のための無料ランチとして機能する。
論文 参考訳（メタデータ） (2020-04-26T16:48:17Z) - Efficient Deep Representation Learning by Adaptive Latent Space Sampling [16.320898678521843]
監視されたディープラーニングには、アノテーションを備えた大量のトレーニングサンプルが必要です。
本稿では,学習プロセスに供給される情報サンプルを適応的に選択する新しいトレーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-19T22:17:02Z) - Object-Adaptive LSTM Network for Real-time Visual Tracking with
Adversarial Data Augmentation [31.842910084312265]
本稿では,オブジェクト適応型LSTMネットワークを用いて,映像の逐次的依存関係を効果的に捕捉し,オブジェクトの外観変化を適応的に学習する,新しいリアルタイムビジュアルトラッキング手法を提案する。
4つのビジュアルトラッキングベンチマーク実験により,トラッキング精度と速度の両面から,提案手法の最先端性能を実証した。
論文 参考訳（メタデータ） (2020-02-07T03:06:07Z)
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。