論文の概要: Deep HM-SORT: Enhancing Multi-Object Tracking in Sports with Deep Features, Harmonic Mean, and Expansion IOU
- arxiv url: http://arxiv.org/abs/2406.12081v1
- Date: Mon, 17 Jun 2024 20:41:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-19 23:47:35.846384
- Title: Deep HM-SORT: Enhancing Multi-Object Tracking in Sports with Deep Features, Harmonic Mean, and Expansion IOU
- Title（参考訳）: ディープHM-SORT: スポーツにおける多目的追跡の深部特徴, ハーモニック平均, 拡張IOU
- Authors: Matias Gran-Henriksen, Hans Andreas Lindgaard, Gabriel Kiss, Frank Lindseth,
- Abstract要約: Deep HM-SORTは、新しいオンライン多目的追跡アルゴリズムである。
外観と動きのバランスを保ち、IDスワップを著しく減少させる。
2つの大規模公開ベンチマークで最先端のパフォーマンスを達成する。
- 参考スコア（独自算出の注目度）: 0.49998148477760973
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces Deep HM-SORT, a novel online multi-object tracking algorithm specifically designed to enhance the tracking of athletes in sports scenarios. Traditional multi-object tracking methods often struggle with sports environments due to the similar appearances of players, irregular and unpredictable movements, and significant camera motion. Deep HM-SORT addresses these challenges by integrating deep features, harmonic mean, and Expansion IOU. By leveraging the harmonic mean, our method effectively balances appearance and motion cues, significantly reducing ID-swaps. Additionally, our approach retains all tracklets indefinitely, improving the re-identification of players who leave and re-enter the frame. Experimental results demonstrate that Deep HM-SORT achieves state-of-the-art performance on two large-scale public benchmarks, SportsMOT and SoccerNet Tracking Challenge 2023. Specifically, our method achieves 80.1 HOTA on the SportsMOT dataset and 85.4 HOTA on the SoccerNet-Tracking dataset, outperforming existing trackers in key metrics such as HOTA, IDF1, AssA, and MOTA. This robust solution provides enhanced accuracy and reliability for automated sports analytics, offering significant improvements over previous methods without introducing additional computational cost.
- Abstract（参考訳）: 本稿では,スポーツシナリオにおけるスポーツ選手の追跡を強化するために設計された,新しいオンライン多目的追跡アルゴリズムであるDeep HM-SORTを紹介する。
従来の多目的追跡手法は、プレイヤーの類似した外観、不規則で予測不可能な動き、重要なカメラの動きのために、しばしばスポーツ環境に苦しむ。
Deep HM-SORTは、深い特徴、調和平均、拡張IOUを統合することで、これらの課題に対処する。
本手法は,高調波平均を利用して外見と動きのバランスを効果的に保ち,IDスワップを著しく低減する。
さらに,本手法では,全てのトラックレットを無期限に保持し,フレームを離れて再入場する選手の再識別を改善する。
実験の結果,SportsMOT と SoccerNet Tracking Challenge 2023 の2つの大規模公開ベンチマークにおいて,Deep HM-SORT が最先端の性能を達成した。
具体的には,SportsMOTデータセットでは85.4HOTA,SportsMOTデータセットでは85.4HOTAを達成し,HOTA,IFF1,AssA,MOTAといった重要な指標において既存のトラッカーよりも優れていた。
この堅牢なソリューションは、自動スポーツ分析の精度と信頼性を向上し、計算コストを増やすことなく、以前の方法よりも大幅に改善する。
関連論文リスト
- GTA: Global Tracklet Association for Multi-Object Tracking in Sports [28.771579713224085]
スポーツシナリオにおける多目的追跡は、コンピュータビジョンにおける焦点の1つとなっている。
トラッキング性能を向上させるために,外見に基づくグローバルトラックレットアソシエーションアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-11-12T22:16:50Z) - 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) - Hybrid-SORT: Weak Cues Matter for Online Multi-Object Tracking [51.16677396148247]
Multi-Object Tracking (MOT) は、望まれるすべてのオブジェクトをフレーム間で検出し、関連付けることを目的としている。
本稿では,MOTにおけるこの長期的課題を,弱い手がかりを取り入れることで,効果的かつ効果的に解決できることを実証する。
提案手法は,MOT17,MOT20,特にDanceTrackなど,様々なベンチマークにおいて優れた性能を実現する。
論文 参考訳（メタデータ） (2023-08-01T18:53:24Z) - Iterative Scale-Up ExpansionIoU and Deep Features Association for
Multi-Object Tracking in Sports [26.33239898091364]
本稿では,スポーツシナリオに対するDeep ExpansionIoU (Deep-EIoU) という,オンラインかつ堅牢な多対象追跡手法を提案する。
従来の手法とは異なり、カルマンフィルタの使用を放棄し、スポーツシナリオにおける拡張IoUの反復的なスケールアップと深い特徴を活用して、ロバストなトラッキングを行う。
提案手法は,SportsMOTデータセットで77.2%,SportsNet-Trackingデータセットで85.4%を達成し,不規則な動き物体の追跡に顕著な効果を示した。
論文 参考訳（メタデータ） (2023-06-22T17:47:08Z) - 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) - An Effective Motion-Centric Paradigm for 3D Single Object Tracking in
Point Clouds [50.19288542498838]
LiDARポイントクラウド(LiDAR SOT)における3Dシングルオブジェクトトラッキングは、自動運転において重要な役割を果たす。
現在のアプローチはすべて、外観マッチングに基づくシームズパラダイムに従っている。
我々は新たな視点からLiDAR SOTを扱うための動き中心のパラダイムを導入する。
論文 参考訳（メタデータ） (2023-03-21T17:28:44Z) - 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) - Observation Centric and Central Distance Recovery on Sports Player
Tracking [24.396926939889532]
本稿では,バスケットボール,サッカー,バレーボールを含む3つのスポーツを対象とした,モーションベースのトラッキングアルゴリズムと3つのポストプロセッシングパイプラインを提案する。
本手法は,2022年のSportsmotワークショップ最終リーダーボードで3位にランクインした73.968のHOTAを達成した。
論文 参考訳（メタデータ） (2022-09-27T04:48:11Z) - 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) - Dense Scene Multiple Object Tracking with Box-Plane Matching [73.54369833671772]
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タスクである。
密集したシーンにおけるMOT性能を改善するために,Box-Plane Matching (BPM)法を提案する。
3つのモジュールの有効性により、ACM MM Grand Challenge HiEve 2020において、私たちのチームはトラック1のリーダーボードで1位を獲得しました。
論文 参考訳（メタデータ） (2020-07-30T16:39:22Z) - 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)
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。