Fugu-MT 論文翻訳(概要): Tracking Small Birds by Detection Candidate Region Filtering and Detection History-aware Association

論文の概要: Tracking Small Birds by Detection Candidate Region Filtering and Detection History-aware Association

arxiv url: http://arxiv.org/abs/2405.17323v1
Date: Mon, 27 May 2024 16:22:38 GMT
ステータス: 処理完了
システム内更新日: 2024-05-28 14:33:59.922946
Title: Tracking Small Birds by Detection Candidate Region Filtering and Detection History-aware Association
Title（参考訳）: 検出領域フィルタリングと検出履歴認識による小鳥の追跡
Authors: Tingwei Liu, Yasutomo Kawanishi, Takahiro Komamizu, Ichiro Ide,
Abstract要約: 本論文は,パノラマ映像に現れる小鳥の追跡に焦点をあてる。追跡対象のサイズが小さければ(小さめの物体追跡)、素早く動き、物体の検出と関連が苦しむ。本稿では,検出対象領域を減らす適応スライシング支援ハイパー推論 (Adaptive Slicing Hyper Inference, Adaptive SAHI) と,検出履歴に基づいて連続フレーム内のオブジェクトを正確に関連付ける検出履歴認識類似度基準 (DHSC) を提案する。
参考スコア（独自算出の注目度）: 4.5078687797181285
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper focuses on tracking birds that appear small in a panoramic video. When the size of the tracked object is small in the image (small object tracking) and move quickly, object detection and association suffers. To address these problems, we propose Adaptive Slicing Aided Hyper Inference (Adaptive SAHI), which reduces the candidate regions to apply detection, and Detection History-aware Similarity Criterion (DHSC), which accurately associates objects in consecutive frames based on the detection history. Experiments on the NUBird2022 dataset verifies the effectiveness of the proposed method by showing improvements in both accuracy and speed.
Abstract（参考訳）: 本論文は,パノラマ映像に現れる小鳥の追跡に焦点をあてる。追跡対象のサイズが小さければ(小さめの物体追跡)、素早く動き、物体の検出と関連が苦しむ。これらの問題に対処するため,適応スライシング支援ハイパー推論(Adaptive Slicing Aided Hyper Inference, 適応SAHI)を提案する。 NUBird2022データセットの実験により,提案手法の有効性が検証された。

関連論文リスト

SFTrack: A Robust Scale and Motion Adaptive Algorithm for Tracking Small and Fast Moving Objects [2.9803250365852443]
本稿では,無人航空機(UAV)映像における多物体追跡の問題に対処する。交通監視システムや警察によるリアルタイム容疑者追跡など、様々なUAVアプリケーションにおいて重要な役割を果たしている。低信頼度検出から対象物体の追跡を開始する新しい追跡戦略を提案する。
論文参考訳（メタデータ） (2024-10-26T05:09:20Z)
Better Sampling, towards Better End-to-end Small Object Detection [7.7473020808686694]
限られた特性と高密度と相互重なり合いのため、小さな物体検出は不満足なままである。エンド・ツー・エンド・フレームワークにおけるサンプリングの強化手法を提案する。我々のモデルは、VisDroneデータセット上での最先端(SOTA)よりも平均精度(AP)が2.9%向上することを示す。
論文参考訳（メタデータ） (2024-05-17T04:37:44Z)
Robust Tiny Object Detection in Aerial Images amidst Label Noise [50.257696872021164]
本研究は,ノイズラベル管理下での微小物体検出の問題に対処する。本稿では,DN-TOD(Denoising Tiny Object Detector)を提案する。本手法は,1段と2段の両方のオブジェクト検出パイプラインにシームレスに統合できる。
論文参考訳（メタデータ） (2024-01-16T02:14:33Z)
Improving the Detection of Small Oriented Objects in Aerial Images [0.0]
本研究では,オブジェクト指向物体検出モデルの分類・回帰タスクを強化することにより,空中画像中の小型物体を高精度に検出する手法を提案する。ガイド・アテンション・ロス(GALoss)とボックス・ポイント・ロス(BPLoss)の2つの損失からなるアテンション・ポイント・ネットワークを設計した。実験結果から,小型オブジェクトインスタンスを用いた標準指向型空中データセットにおける注意点ネットワークの有効性が示された。
論文参考訳（メタデータ） (2024-01-12T11:00:07Z)
Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。提案手法は平均精度(MAP)を約45.7%向上させる。この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文参考訳（メタデータ） (2023-11-21T19:49:13Z)
Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文参考訳（メタデータ） (2023-08-18T13:13:09Z)
Detecting tiny objects in aerial images: A normalized Wasserstein distance and a new benchmark [45.10513110142015]
本稿では, 正規化ワッサースタイン距離 (NWD) と呼ばれる新しい評価基準と, 小型物体検出のためのRanKing-based Assigning (RKA) 戦略を提案する。提案したNWD-RKA戦略は、標準のIoUしきい値に基づくものを置き換えるために、あらゆる種類のアンカーベースの検出器に容易に組み込むことができる。 4つのデータセットでテストされたNWD-RKAは、大きなマージンで小さなオブジェクト検出性能を継続的に改善することができる。
論文参考訳（メタデータ） (2022-06-28T13:33:06Z)
Decoupled Adaptation for Cross-Domain Object Detection [69.5852335091519]
クロスドメインオブジェクト検出は、オブジェクト分類よりも難しい。 D-adaptは4つのクロスドメインオブジェクト検出タスクで最先端の結果を達成する。
論文参考訳（メタデータ） (2021-10-06T08:43:59Z)
Cycle and Semantic Consistent Adversarial Domain Adaptation for Reducing Simulation-to-Real Domain Shift in LiDAR Bird's Eye View [110.83289076967895]
ドメイン適応プロセス中に関心のある小さなオブジェクトの情報を保存するために,事前の意味分類を用いたサイクガンに基づくbevドメイン適応法を提案する。生成したBEVの品質は,KITTI 3D Object Detection Benchmarkの最先端3Dオブジェクト検出フレームワークを用いて評価されている。
論文参考訳（メタデータ） (2021-04-22T12:47:37Z)
Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文参考訳（メタデータ） (2020-11-19T05:42:02Z)

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。