論文の概要: Multi-Ship Tracking by Robust Similarity metric
- arxiv url: http://arxiv.org/abs/2310.05171v1
- Date: Sun, 8 Oct 2023 14:05:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-12 11:55:03.761593
- Title: Multi-Ship Tracking by Robust Similarity metric
- Title(参考訳): ロバスト類似度測定によるマルチシップトラッキング
- Authors: Hongyu Zhao, Gongming Wei, Yang Xiao, Xianglei Xing
- Abstract要約: マルチシップ追跡(MST)は、海上での状況認識と自律船の航法システム開発に応用されることが証明されている。
歩行者や車両のデータセットに対するマルチオブジェクト追跡(MOT)アルゴリズムによって達成された驚くべき追跡結果にもかかわらず、これらのモデルとテクニックは、船舶のデータセットに適用した場合、パフォーマンスが劣っている。
本稿では,予測ボックスと検出ボックスの両方を囲む最小の凸形状を組み込むことで,IoUの弱点に対処する。
- 参考スコア(独自算出の注目度): 10.882525351991875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-ship tracking (MST) as a core technology has been proven to be applied
to situational awareness at sea and the development of a navigational system
for autonomous ships. Despite impressive tracking outcomes achieved by
multi-object tracking (MOT) algorithms for pedestrian and vehicle datasets,
these models and techniques exhibit poor performance when applied to ship
datasets. Intersection of Union (IoU) is the most popular metric for computing
similarity used in object tracking. The low frame rates and severe image shake
caused by wave turbulence in ship datasets often result in minimal, or even
zero, Intersection of Union (IoU) between the predicted and detected bounding
boxes. This issue contributes to frequent identity switches of tracked objects,
undermining the tracking performance. In this paper, we address the weaknesses
of IoU by incorporating the smallest convex shapes that enclose both the
predicted and detected bounding boxes. The calculation of the tracking version
of IoU (TIoU) metric considers not only the size of the overlapping area
between the detection bounding box and the prediction box, but also the
similarity of their shapes. Through the integration of the TIoU into
state-of-the-art object tracking frameworks, such as DeepSort and ByteTrack, we
consistently achieve improvements in the tracking performance of these
frameworks.
- Abstract(参考訳): コア技術としてのマルチシップトラッキング(mst)は、海上の状況認識や自律型船舶の航法システムの開発に応用できることが証明されている。
歩行者と車両のデータセットに対するマルチオブジェクトトラッキング(mot)アルゴリズムによって達成された印象的な追跡結果にもかかわらず、これらのモデルと技術は、船舶のデータセットに適用すると性能が低下する。
IoU(Intersection of Union)は、オブジェクト追跡に使用される類似性を計算するための最も一般的な指標である。
船舶データセット内の波乱による低フレームレートと重大画像揺動は、予測および検出された境界ボックス間の結合(iou)を最小またはゼロにすることが多い。
この問題は、追跡されたオブジェクトの頻繁なid切り換えに寄与し、トラッキング性能を損なう。
本稿では,予測ボックスと検出ボックスの両方を囲む最小の凸形状を組み込むことで,IoUの弱点に対処する。
IoU(TIoU)メトリックのトラッキングバージョンは、検出境界ボックスと予測ボックスとの間の重なり合う領域のサイズだけでなく、それらの形状の類似性も考慮している。
TIoUをDeepSortやByteTrackといった最先端のオブジェクトトラッキングフレームワークに統合することで、これらのフレームワークのトラッキングパフォーマンスを継続的に改善します。
関連論文リスト
- STCMOT: Spatio-Temporal Cohesion Learning for UAV-Based Multiple Object Tracking [13.269416985959404]
無人航空機(UAV)ビデオにおける複数物体追跡(MOT)は、コンピュータビジョンにおける多様な用途において重要である。
時空間結合型多目的追跡フレームワーク(STCMOT)を提案する。
歴史的埋め込み機能を用いて,ReIDの表現と検出機能を逐次的にモデル化する。
我々のフレームワークはMOTAとIDF1メトリクスで新しい最先端のパフォーマンスを設定します。
論文 参考訳(メタデータ) (2024-09-17T14:34:18Z) - ConsistencyTrack: A Robust Multi-Object Tracker with a Generation Strategy of Consistency Model [20.259334882471574]
マルチオブジェクトトラッキング(MOT)は、コンピュータビジョンにおいて重要な技術であり、ビデオシーケンス内の複数のターゲットを検出し、各ターゲットにフレーム毎にユニークなIDを割り当てるように設計されている。
既存のMOTメソッドは、様々なシナリオでリアルタイムで複数のオブジェクトを正確に追跡する。
本稿では,境界ボックス上の拡散過程として検出と関連を定式化するための新しいConsistencyTrack, Joint Detection and Tracking (JDT) フレームワークを提案する。
論文 参考訳(メタデータ) (2024-08-28T05:53:30Z) - TrajectoryFormer: 3D Object Tracking Transformer with Predictive
Trajectory Hypotheses [51.60422927416087]
3Dマルチオブジェクトトラッキング(MOT)は、自律走行車やサービスロボットを含む多くのアプリケーションにとって不可欠である。
本稿では,新しいポイントクラウドベースの3DMOTフレームワークであるTrjectoryFormerを紹介する。
論文 参考訳(メタデータ) (2023-06-09T13:31:50Z) - Multi-Object Tracking by Iteratively Associating Detections with Uniform
Appearance for Trawl-Based Fishing Bycatch Monitoring [22.228127377617028]
漁業活動における漁獲監視の目的は、映像から魚の標的をリアルタイムで検出し、追跡し、分類することである。
本稿では,既存の観測中心追跡アルゴリズムに基づく新しいMOT手法を提案する。
本手法は,海洋魚種群およびMOT17種群において,一様外観の追跡目標の性能向上と最先端技術の向上を図っている。
論文 参考訳(メタデータ) (2023-04-10T18:55:10Z) - A CNN-LSTM Architecture for Marine Vessel Track Association Using
Automatic Identification System (AIS) Data [2.094022863940315]
本研究では,トラックアソシエーションのための1次元CNN-LSTMアーキテクチャに基づくフレームワークを提案する。
提案した枠組みは、自動識別システム(AIS)を介して収集された船舶の位置と動きデータを入力とし、最も可能性の高い船舶軌道をリアルタイムで出力として返す。
論文 参考訳(メタデータ) (2023-03-24T15:26:49Z) - QDTrack: Quasi-Dense Similarity Learning for Appearance-Only Multiple
Object Tracking [73.52284039530261]
本稿では,コントラスト学習のために,画像上に数百のオブジェクト領域を密集した擬似Dense類似性学習を提案する。
得られた特徴空間は、オブジェクトアソシエーションの推論時間において、単純な近接探索を許容する。
我々の類似性学習方式は,ビデオデータに限らず,静的入力でも有効なインスタンス類似性を学ぶことができることを示す。
論文 参考訳(メタデータ) (2022-10-12T15:47:36Z) - A Bayesian Detect to Track System for Robust Visual Object Tracking and
Semi-Supervised Model Learning [1.7268829007643391]
ニューラルネットワークの出力によってパラメータ化されたベイズ追跡・検出フレームワークにおける副次的問題について述べる。
本稿では,粒子フィルタを用いた物体状態推定のための近似サンプリングアルゴリズムを提案する。
粒子フィルタ推論アルゴリズムを用いて,間欠的なラベル付きフレーム上でのトラッキングネットワークの学習に半教師付き学習アルゴリズムを用いる。
論文 参考訳(メタデータ) (2022-05-05T00:18:57Z) - Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。
私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文 参考訳(メタデータ) (2021-03-26T04:43:04Z) - End-to-end Deep Object Tracking with Circular Loss Function for Rotated
Bounding Box [68.8204255655161]
Transformer Multi-Head Attentionアーキテクチャに基づく新しいエンドツーエンドのディープラーニング手法を紹介します。
また,境界ボックスの重なりと向きを考慮に入れた新しいタイプの損失関数を提案する。
論文 参考訳(メタデータ) (2020-12-17T17:29:29Z) - 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) - 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)
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。