Fugu-MT 論文翻訳(概要): Convolutional Unscented Kalman Filter for Multi-Object Tracking with Outliers

論文の概要: Convolutional Unscented Kalman Filter for Multi-Object Tracking with Outliers

arxiv url: http://arxiv.org/abs/2406.01380v1
Date: Mon, 3 Jun 2024 14:42:38 GMT
ステータス: 処理完了
システム内更新日: 2024-06-05 22:39:57.249477
Title: Convolutional Unscented Kalman Filter for Multi-Object Tracking with Outliers
Title（参考訳）: 外周部を有する多物体追跡のための畳み込みアンセントカルマンフィルタ
Authors: Shiqi Liu, Wenhan Cao, Chang Liu, Tianyi Zhang, Shengbo Eben Li,
Abstract要約: マルチオブジェクトトラッキング(MOT)は、自律運転におけるナビゲーションに不可欠な技術である。近年, トラッキング手法は, 外乱を観測するフィルタリングアルゴリズムに基づいており, トラッキング精度の低下や, オブジェクトの軌跡の喪失さえも生じている。我々は,ConvUKFが外れ値の存在下で有界な追跡誤差を持つことを示す。
参考スコア（独自算出の注目度）: 17.38485814970625
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multi-object tracking (MOT) is an essential technique for navigation in autonomous driving. In tracking-by-detection systems, biases, false positives, and misses, which are referred to as outliers, are inevitable due to complex traffic scenarios. Recent tracking methods are based on filtering algorithms that overlook these outliers, leading to reduced tracking accuracy or even loss of the objects trajectory. To handle this challenge, we adopt a probabilistic perspective, regarding the generation of outliers as misspecification between the actual distribution of measurement data and the nominal measurement model used for filtering. We further demonstrate that, by designing a convolutional operation, we can mitigate this misspecification. Incorporating this operation into the widely used unscented Kalman filter (UKF) in commonly adopted tracking algorithms, we derive a variant of the UKF that is robust to outliers, called the convolutional UKF (ConvUKF). We show that ConvUKF maintains the Gaussian conjugate property, thus allowing for real-time tracking. We also prove that ConvUKF has a bounded tracking error in the presence of outliers, which implies robust stability. The experimental results on the KITTI and nuScenes datasets show improved accuracy compared to representative baseline algorithms for MOT tasks.
Abstract（参考訳）: マルチオブジェクトトラッキング(MOT)は、自律運転におけるナビゲーションに不可欠な技術である。トラッキング・バイ・検出システムでは、複雑なトラフィックシナリオのため、バイアス、偽陽性、ミスが避けられない。最近の追跡手法は、これらのアウトリーチを見渡すフィルタリングアルゴリズムに基づいており、トラッキングの精度を低下させ、オブジェクトの軌道の損失も減少させる。この課題に対処するために、実測データの分布とフィルタリングに使用される名目計測モデルとの相違点として、外れ値の生成に関する確率論的視点を採用する。さらに、畳み込み操作を設計することで、この不特定性を緩和できることを実証する。一般に採用されている追跡アルゴリズムにおいて、この操作を広く使われているKalmanフィルタ(UKF)に組み込むと、UKF(Convolutional UKF)と呼ばれる外れ値に頑健なUKFの変種を導出する。本稿では,ConvUKFがガウス共役性を維持し,リアルタイムな追跡を可能にすることを示す。また,ConvUKFが外乱の存在下で有界な追従誤差を持つことも証明した。 KITTIおよびnuScenesデータセットの実験結果は、MOTタスクの代表的なベースラインアルゴリズムと比較して精度が向上した。

関連論文リスト

PKF: Probabilistic Data Association Kalman Filter for Multi-Object Tracking [39.55428600377688]
我々は,測定値と状態値の確率的相関を持つ新しいカルマンフィルタを導出する。相関確率は行列の永久値として測定可能な値として計算できることを示す。シミュレーション実験により, このフィルタは, 確立された連立確率的データアソシエーションフィルタよりも低い追従誤差を達成できることが判明した。
論文参考訳（メタデータ） (2024-11-10T07:34:31Z)
Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。実世界のデータセットの実験では、大幅な改善が示されている。
論文参考訳（メタデータ） (2023-09-21T15:00:31Z)
Nonparametric Spatio-Temporal Joint Probabilistic Data Association Coupled Filter and Interfering Extended Target Tracking [5.485511147274347]
拡張された目標追跡は、空間と時間における目標の遠心率と形状を推定する。拡張目標追跡が適用可能なさまざまな状況において、複数のターゲットの存在が干渉を引き起こす可能性がある。 JPDACFのバリエーションは、拡張ターゲットの問題に対処するために開発された。
論文参考訳（メタデータ） (2023-08-22T13:39:20Z)
Variational Bayes for robust radar single object tracking [5.390933335965428]
我々は、レーダによる物体追跡と、現在最先端の手法による異常処理の堅牢性に対処する。本稿では,ガウス型サムフィルタをベースラインとして,ガウス型よりも重い分布を持つプロセスノイズをモデル化して修正を提案する。シミュレーションにより, プロセスアウトレーヤの存在下では, ロバストトラッカーは単一物体の追跡においてガウス・サムフィルタよりも優れていることがわかった。
論文参考訳（メタデータ） (2022-09-28T19:41:33Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
Learning Residue-Aware Correlation Filters and Refining Scale Estimates with the GrabCut for Real-Time UAV Tracking [12.718396980204961]
無人航空機(UAV)ベースの追跡はますます注目を集め、農業、航空、ナビゲーション、輸送、公安などのアプリケーションで急速に発展しています。近年,1つのCPU上での高い効率とロバスト性のために,識別相関フィルタ(DCF)ベースのトラッカーがUAVトラッキングコミュニティで注目されている。本稿では,GrabCutによるセグメンテーションによるDCFトラッカーの判別スケール推定の改善について検討する。
論文参考訳（メタデータ） (2021-04-07T13:35:01Z)
Coarse-to-Fine Object Tracking Using Deep Features and Correlation Filters [2.3526458707956643]
本稿では,新しいディープラーニング追跡アルゴリズムを提案する。対象の翻訳を大まかに推定するために,深層特徴の一般化能力を利用する。そして,相関フィルタの識別力を利用して追跡対象を正確に局所化する。
論文参考訳（メタデータ） (2020-12-23T16:43:21Z)
Real-Time Anomaly Detection in Edge Streams [49.26098240310257]
マイクロクラスタ異常の検出に焦点を当てたMIDASを提案する。さらに、アルゴリズムの内部状態に異常が組み込まれている問題を解くために、MIDAS-Fを提案する。実験の結果,MIDAS-Fの精度はMIDASよりも有意に高かった。
論文参考訳（メタデータ） (2020-09-17T17:59:27Z)
Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
本稿では,2段階の逐次回帰トラッカーを提案する。第1段階では, 容易に同定可能な負の候補を抽出する。第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
論文参考訳（メタデータ） (2020-06-18T07:48:01Z)
Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文参考訳（メタデータ） (2020-03-10T00:04:32Z)
Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
論文参考訳（メタデータ） (2020-03-04T12:27:36Z)

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。