論文の概要: Rt-Track: Robust Tricks for Multi-Pedestrian Tracking

• arxiv url: http://arxiv.org/abs/2303.09668v1
• Date: Thu, 16 Mar 2023 22:08:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-20 16:19:36.081409
• Title: Rt-Track: Robust Tricks for Multi-Pedestrian Tracking
• Title（参考訳）: Rt-Track: マルチペデストリアントラッキングのためのロバストなトリック
• Authors: Yukuan Zhang, Yunhua Jia, Housheng Xie, Mengzhen Li, Limin Zhao, Yang Yang and Shan Zhao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.271127739716044
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object tracking is divided into single-object tracking (SOT) and multi-object tracking (MOT). MOT aims to maintain the identities of multiple objects across a series of continuous video sequences. In recent years, MOT has made rapid progress. However, modeling the motion and appearance models of objects in complex scenes still faces various challenging issues. In this paper, we design a novel direction consistency method for smooth trajectory prediction (STP-DC) to increase the modeling of motion information and overcome the lack of robustness in previous methods in complex scenes. Existing methods use pedestrian re-identification (Re-ID) to model appearance, however, they extract more background information which lacks discriminability in occlusion and crowded scenes. We propose a hyper-grain feature embedding network (HG-FEN) to enhance the modeling of appearance models, thus generating robust appearance descriptors. We also proposed other robustness techniques, including CF-ECM for storing robust appearance information and SK-AS for improving association accuracy. To achieve state-of-the-art performance in MOT, we propose a robust tracker named Rt-track, incorporating various tricks and techniques. It achieves 79.5 MOTA, 76.0 IDF1 and 62.1 HOTA on the test set of MOT17.Rt-track also achieves 77.9 MOTA, 78.4 IDF1 and 63.3 HOTA on MOT20, surpassing all published methods.
• Abstract（参考訳）: オブジェクトトラッキングは、シングルオブジェクトトラッキング(SOT)とマルチオブジェクトトラッキング(MOT)に分けられる。 MOTは連続した一連のビデオシーケンスで複数のオブジェクトのアイデンティティを維持することを目的としている。 近年、MOTは急速に進歩している。 しかし,複雑な場面における物体の動きや外観のモデル化は,依然として様々な課題に直面している。 本稿では,動き情報のモデリングを向上し,複雑なシーンにおける従来の手法の堅牢性の欠如を克服するために,スムーズな軌道予測(STP-DC)のための新たな方向整合性を設計する。 既存手法では歩行者再識別 (re-id) を用いて外観をモデル化しているが, 咬合や混雑場面の識別性に乏しい背景情報を抽出する。 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。 また,ロバストな外観情報を格納するためのcf-ecmや連想精度を向上させるためのsk-asなど,他のロバスト性手法も提案した。 そこで我々は,MOTにおける最先端性能を実現するために,Rtトラックと呼ばれるロバストトラッカーを提案する。 MOT17.Rtトラックのテストセットでは79.5 MOTA、76.0 IDF1、62.1 HOTAを達成し、またMOT20では77.9 MOTA、78.4 IDF1、63.3 HOTAを達成している。

関連論文リスト

• MOT FCG++: Enhanced Representation of Spatio-temporal Motion and Appearance Features [0.0]
  本稿では, 階層クラスタリング手法MOT FCGの改良により, 外観と時空間の動作特徴を表現できる新しい手法を提案する。 まず, 物体の位置と形状の関係をより正確に表現した, 対角変調GIoUを提案する。 外観特徴に対して、信頼情報を含む動的外観表現を用い、軌道の外観特徴をより堅牢でグローバルにすることができる。
  論文  参考訳（メタデータ） (2024-11-15T08:17:05Z)
• 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)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)
• Deep OC-SORT: Multi-Pedestrian Tracking by Adaptive Re-Identification [22.017074242428205]
  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。
  論文  参考訳（メタデータ） (2023-02-23T06:51:07Z)
• 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)
• RLM-Tracking: Online Multi-Pedestrian Tracking Supported by Relative Location Mapping [5.9669075749248774]
  マルチオブジェクトトラッキングの問題は、公安、輸送、自動運転車、ロボティクス、人工知能を含む他の領域で広く利用されている、基本的なコンピュータビジョン研究の焦点である。 本稿では、オブジェクト textbfRelative Location Mapping (RLM) モデルと textbfTarget Region Density (TRD) モデルを含む、上記の問題に対する新しいマルチオブジェクトトラッカーを設計する。 新しいトラッカーは、オブジェクト間の位置関係の違いに敏感である。 物体の密度に応じてリアルタイムで異なる領域に低スコア検出フレームを導入することができる
  論文  参考訳（メタデータ） (2022-10-19T11:37:14Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)
• 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)
• Tracklets Predicting Based Adaptive Graph Tracking [51.352829280902114]
  マルチオブジェクト追跡,すなわち textbfTPAGT のための,正確かつエンドツーエンドの学習フレームワークを提案する。 動作予測に基づいて、現在のフレーム内のトラックレットの特徴を再抽出する。
  論文  参考訳（メタデータ） (2020-10-18T16:16:49Z)
• SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
  マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。 観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2020-08-18T03:40:25Z)

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。