論文の概要: Deep OC-SORT: Multi-Pedestrian Tracking by Adaptive Re-Identification

• arxiv url: http://arxiv.org/abs/2302.11813v1
• Date: Thu, 23 Feb 2023 06:51:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-24 16:11:16.258461
• Title: Deep OC-SORT: Multi-Pedestrian Tracking by Adaptive Re-Identification
• Title（参考訳）: Deep OC-SORT:Adaptive Re-Identificationによる多歩行者追跡
• Authors: Gerard Maggiolino, Adnan Ahmad, Jinkun Cao, Kris Kitani
• Abstract要約: 本研究では,物体の外観を活用する新しい手法を提案し,外見マッチングをモーションベース手法に統合する。 純粋な動きに基づくOC-SORT法に基づいて, 63.9 HOTA と 64.9 HOTA のMOT17 でMOT20 と第2位をそれぞれ獲得した。
• 参考スコア（独自算出の注目度）: 22.017074242428205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion-based association for Multi-Object Tracking (MOT) has recently re-achieved prominence with the rise of powerful object detectors. Despite this, little work has been done to incorporate appearance cues beyond simple heuristic models that lack robustness to feature degradation. In this paper, we propose a novel way to leverage objects' appearances to adaptively integrate appearance matching into existing high-performance motion-based methods. Building upon the pure motion-based method OC-SORT, we achieve 1st place on MOT20 and 2nd place on MOT17 with 63.9 and 64.9 HOTA, respectively. We also achieve 61.3 HOTA on the challenging DanceTrack benchmark as a new state-of-the-art even compared to more heavily-designed methods. The code and models are available at \url{https://github.com/GerardMaggiolino/Deep-OC-SORT}.
• Abstract（参考訳）: 動きに基づくMOT(Motion-based association for Multi-Object Tracking)は、最近、強力な物体検出装置の台頭とともに、再び注目されている。 それにもかかわらず、機能劣化に対するロバスト性に欠ける単純なヒューリスティックモデルを超えて外観を取り入れる作業はほとんど行われていない。 本稿では,既存の高性能モーションベース手法にオブジェクトの外観を適応的に統合する新しい手法を提案する。 純粋な動きに基づくOC-SORT法に基づいて, 63.9 HOTAと64.9 HOTAのMOT17でMOT20と2位となる。 また,難易度の高いdancetrackベンチマークにおいて,より厳密に設計された手法と比較しても61.3hotaを達成した。 コードとモデルは \url{https://github.com/GerardMaggiolino/Deep-OC-SORT} で公開されている。

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)
• ReIDTrack: Multi-Object Track and Segmentation Without Motion [18.892491706535793]
  我々は,高速検出と外観モデルのみに基づいてSOTAを実現することができるか検討する。 CVPR2023 WADワークショップではMOTSトラックで1位を獲得し,MOTSトラックで2位となった。
  論文  参考訳（メタデータ） (2023-08-03T08:53:23Z)
• Hybrid-SORT: Weak Cues Matter for Online Multi-Object Tracking [51.16677396148247]
  Multi-Object Tracking (MOT) は、望まれるすべてのオブジェクトをフレーム間で検出し、関連付けることを目的としている。 本稿では,MOTにおけるこの長期的課題を,弱い手がかりを取り入れることで,効果的かつ効果的に解決できることを実証する。 提案手法は,MOT17,MOT20,特にDanceTrackなど,様々なベンチマークにおいて優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-08-01T18:53:24Z)
• SparseTrack: Multi-Object Tracking by Performing Scene Decomposition based on Pseudo-Depth [84.64121608109087]
  2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。 次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。 擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
  論文  参考訳（メタデータ） (2023-06-08T14:36:10Z)
• Rt-Track: Robust Tricks for Multi-Pedestrian Tracking [4.271127739716044]
  動き情報のモデリングを改善するために,スムーズな軌道予測(STP-DC)のための新しい方向整合性手法を提案する。 また、外観モデルのモデリングを強化するために、HG-FEN(Hyper-grain Feature Embedding Network)を提案する。 そこで我々は,MOTにおける最先端性能を実現するため,Rtトラックと呼ばれるロバストトラッカーを提案し,様々なトリックとテクニックを取り入れた。
  論文  参考訳（メタデータ） (2023-03-16T22:08:29Z)
• SMILEtrack: SiMIlarity LEarning for Occlusion-Aware Multiple Object Tracking [20.286114226299237]
  本稿では,SLM(Siamese Network-based similarity Learning Module)を用いたオブジェクトトラッカーSMILEtrackを紹介する。 SLMは2つのオブジェクト間の外観類似性を計算し、分離検出および埋め込みモデルにおける特徴記述子の制限を克服する。 第2に、連続するビデオフレーム間の堅牢なオブジェクトマッチングのための新しいGATE関数を備えた類似マッチングカスケード(SMC)モジュールを開発する。
  論文  参考訳（メタデータ） (2022-11-16T10:49:48Z)
• Joint Spatial-Temporal and Appearance Modeling with Transformer for Multiple Object Tracking [59.79252390626194]
  本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。 提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-05-31T01:19:18Z)
• Observation-Centric SORT: Rethinking SORT for Robust Multi-Object Tracking [32.32109475782992]
  簡単な動きモデルにより、外観のような他の手段を使わずに、最先端のトラッキング性能が得られることを示す。 そこで我々は,提案手法を OC-SORT,Observatory-Centric SORT,略してOC-SORT と呼ぶ。
  論文  参考訳（メタデータ） (2022-03-27T17:57:08Z)
• 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)
• ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
  オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。 そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-16T06:43:11Z)

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。