論文の概要: Towards AI enabled automated tracking of multiple boxers

• arxiv url: http://arxiv.org/abs/2311.11471v1
• Date: Wed, 9 Aug 2023 16:46:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 15:58:18.515899
• Title: Towards AI enabled automated tracking of multiple boxers
• Title（参考訳）: 複数のボクサーの自動トラッキングを実現するAI
• Authors: A.S. Karthikeyan, Vipul Baghel, Anish Monsley Kirupakaran, John Warburton, Ranganathan Srinivasan, Babji Srinivasan, Ravi Sadananda Hegde
• Abstract要約: 複数のトレーニングセッションをまたいだボクサーの継続的な追跡は、よく知られた10ポイントマスシステムに必要な特性の定量化に役立つ。 本研究は、経済的な単一固定トップビューカメラにおけるシステム構築の進捗状況をまとめたものである。 具体的には、不正なIDアップデーションやID切替を伴わずに、boutトランジション検出とin-bout連続プレイヤー識別のための改良アルゴリズムについて述べる。
• 参考スコア（独自算出の注目度）: 0.7067443325368975
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous tracking of boxers across multiple training sessions helps quantify traits required for the well-known ten-point-must system. However, continuous tracking of multiple athletes across multiple training sessions remains a challenge, because it is difficult to precisely segment bout boundaries in a recorded video stream. Furthermore, re-identification of the same athlete over different period or even within the same bout remains a challenge. Difficulties are further compounded when a single fixed view video is captured in top-view. This work summarizes our progress in creating a system in an economically single fixed top-view camera. Specifically, we describe improved algorithm for bout transition detection and in-bout continuous player identification without erroneous ID updation or ID switching. From our custom collected data of ~11 hours (athlete count: 45, bouts: 189), our transition detection algorithm achieves 90% accuracy and continuous ID tracking achieves IDU=0, IDS=0.
• Abstract（参考訳）: 複数のトレーニングセッションにおけるボクサーの継続的な追跡は、よく知られた10ポイントマスシステムに必要な特性の定量化に役立つ。 しかしながら、複数のトレーニングセッションをまたいだ複数のアスリートの連続的な追跡は、記録されたビデオストリームにおいて正確に境界線を分割することが難しいため、依然として課題である。 さらに、異なる期間、あるいは同じ試合中であっても、同じ選手を再同定することは課題である。 一つの固定ビュービデオをトップビューでキャプチャする場合、さらに困難が増す。 本研究は,経済的な単一固定型トップビューカメラによるシステム構築の進展をまとめたものである。 具体的には,不正なid上昇やid切り換えを伴わないブイト遷移検出およびインブウ連続プレイヤー識別のための改良アルゴリズムについて述べる。 本誌のカスタム収集データ ~11 時間(セッション数45,bouts:189)から、遷移検出アルゴリズムは90%の精度を実現し、連続ID追跡はIDU=0,IDS=0。

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]
  マルチオブジェクトトラッキング(MOT)タスクにおいて,JDEトラッカーは優れた性能を示した。 オブジェクトの時間的情報を取得するために,クロスコリレーションを用いた新しい学習手法を提案する。 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)
• Enhancing Multi-Camera People Tracking with Anchor-Guided Clustering and Spatio-Temporal Consistency ID Re-Assignment [22.531044994763487]
  本稿では,アンカークラスタリング誘導を用いたマルチカメラによる複数人物追跡手法を提案する。 提案手法は,各個人固有の重要な特徴を特定することによって,トラッキングの精度を向上させることを目的としている。 この手法は, 合成データと実世界のデータの両方を扱う上で, 堅牢性と有効性を示した。
  論文  参考訳（メタデータ） (2023-04-19T07:38:15Z)
• Tracking by Associating Clips [110.08925274049409]
  本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。 我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。 この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。 次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
  論文  参考訳（メタデータ） (2022-12-20T10:33:17Z)
• 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)
• 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)
• Multi-object tracking with self-supervised associating network [5.947279761429668]
  人間のラベリングを伴わない短い動画を多数使用して,新たな自己教師型学習手法を提案する。 再識別ネットワークは自己管理方式で訓練されているが、MOTA 62.0% と IDF1 62.6% の最先端性能をMOT17テストベンチマークで達成している。
  論文  参考訳（メタデータ） (2020-10-26T08:48:23Z)
• A Simple Baseline for Pose Tracking in Videos of Crowded Scenes [130.84731947842664]
  混み合った複雑な環境での人間のポーズを追跡する方法は、十分に対処されていない。 検出モデルにより生成された各境界ボックスに人体IDを割り当てるために,多目的追跡手法を用いる。 最終的に、ビデオ中の時間情報を利用して、最終的なポーズ追跡結果を生成するために光学フローが使用される。
  論文  参考訳（メタデータ） (2020-10-16T13:06:21Z)
• TubeTK: Adopting Tubes to Track Multi-Object in a One-Step Training Model [51.14840210957289]
  マルチオブジェクトトラッキングは、長い間研究されてきた基本的な視覚問題である。 Tracking by Detection (TBD)の成功にもかかわらず、この2段階の手法はエンドツーエンドでトレーニングするには複雑すぎる。 本稿では,短いビデオクリップ中の物体の時間空間位置を示すために,バウンディングチューブを導入することで,一段階のトレーニングしか必要としない簡潔なエンドツーエンドモデルチューブTKを提案する。
  論文  参考訳（メタデータ） (2020-06-10T06:45:05Z)
• A Hybrid Approach for Tracking Individual Players in Broadcast Match Videos [1.160208922584163]
  本稿では,高速かつ高精度な選手追跡ソリューションを提案する。 このアプローチは、比較的控えめなハードウェアで同時に実行される複数のモデルを組み合わせる。 性能に関しては80fpsで高精細ビデオ(1920x1080)を処理できる。
  論文  参考訳（メタデータ） (2020-03-06T15:16:23Z)
• Unsupervised Multiple Person Tracking using AutoEncoder-Based Lifted Multicuts [11.72025865314187]
  最小限の視覚的特徴とリフトマルチカットに基づく教師なし多重物体追跡手法を提案する。 提案したアノテーションを使わずにトレーニングされているにもかかわらず,我々のモデルは,歩行者追跡のための挑戦的なMOTベンチマークにおいて,競争力のある結果をもたらすことを示した。
  論文  参考訳（メタデータ） (2020-02-04T09:42:34Z)

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。