Fugu-MT 論文翻訳(概要): Machine Learning Models for Improved Tracking from Range-Doppler Map Images

論文の概要: Machine Learning Models for Improved Tracking from Range-Doppler Map Images

arxiv url: http://arxiv.org/abs/2407.03140v1
Date: Wed, 3 Jul 2024 14:20:24 GMT
ステータス: 処理完了
システム内更新日: 2024-07-04 13:56:35.292397
Title: Machine Learning Models for Improved Tracking from Range-Doppler Map Images
Title（参考訳）: レンジドップラーマップ画像からの追跡改善のための機械学習モデル
Authors: Elizabeth Hou, Ross Greenwood, Piyush Kumar,
Abstract要約: 地中移動目標指標(GMTI)レーダのレンジ・ドップラー・マップ(RDM)画像におけるターゲット検出と不確実性推定のための新しい機械学習モデルを提案する。これらのモデルの出力を用いることで、複雑なマルチターゲット空対地追跡シナリオに対して、複数の仮説トラッカーの性能を大幅に向上できることを示す。
参考スコア（独自算出の注目度）: 1.3654846342364306
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Statistical tracking filters depend on accurate target measurements and uncertainty estimates for good tracking performance. In this work, we propose novel machine learning models for target detection and uncertainty estimation in range-Doppler map (RDM) images for Ground Moving Target Indicator (GMTI) radars. We show that by using the outputs of these models, we can significantly improve the performance of a multiple hypothesis tracker for complex multi-target air-to-ground tracking scenarios.
Abstract（参考訳）: 統計的追跡フィルタは、精度の高い目標測定と不確実性推定に頼っている。本研究では,地中移動目標指標(GMTI)レーダのレンジ・ドップラー・マップ(RDM)画像におけるターゲット検出と不確実性推定のための新しい機械学習モデルを提案する。これらのモデルを用いて,複雑な多目的空対地追跡シナリオに対して,複数の仮説トラッカーの性能を著しく向上させることができることを示す。

関連論文リスト

Continuously Optimizing Radar Placement with Model Predictive Path Integrals [16.148347437965683]
センサー配置の連続最適化は、様々な軍事・民間用途における正確な目標位置決めに不可欠である。レーダパラメータとレーダ目標距離を組み込んだレンジ計測モデルを用いる。我々は、時間とともにレーダーと目標の進化する幾何学を可視化し、最も高い測定情報を得る領域をハイライトする。
論文参考訳（メタデータ） (2024-05-29T11:25:53Z)
RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文参考訳（メタデータ） (2024-03-28T08:54:40Z)
JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文参考訳（メタデータ） (2023-11-05T18:59:31Z)
DICE: Diverse Diffusion Model with Scoring for Trajectory Prediction [7.346307332191997]
本稿では,拡散モデルを用いて将来の軌跡を計算的に効率的に予測するフレームワークを提案する。提案手法は, 試料軌道数を最大化し, 精度を向上させるための効率的なサンプリング機構である。本研究では,一般歩行者(UCY/ETH)と自律走行(nuScenes)のベンチマークデータを用いて,経験的評価を行うことによるアプローチの有効性を示す。
論文参考訳（メタデータ） (2023-10-23T05:04:23Z)
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)
An End-to-End Framework of Road User Detection, Tracking, and Prediction from Monocular Images [11.733622044569486]
我々はODTPと呼ばれる検出、追跡、軌道予測のためのエンドツーエンドのフレームワークを構築している。検出結果に基づいて、トラジェクトリ予測器であるDCENet++を認識および訓練するために、最先端のオンラインマルチオブジェクト追跡モデルであるQD-3DTを採用している。本研究では,自律運転に広く利用されているnuScenesデータセット上でのODTPの性能を評価する。
論文参考訳（メタデータ） (2023-08-09T15:46:25Z)
Diffusion Models for Multi-target Adversarial Tracking [0.49157446832511503]
標的追跡は現実世界のシナリオ、特に薬物輸送の対話において重要な役割を担っている。無人ドローンの普及に伴い、安全と安全のためには正確な自律目標推定がさらに重要である。本稿では、敵位置の包括的予測を生成するアプローチであるCADENCE(Constrained Agent-based Diffusion for Enhanced Multi-Agent Tracking)を提案する。
論文参考訳（メタデータ） (2023-07-12T15:34:39Z)
MONCE Tracking Metrics: a comprehensive quantitative performance evaluation methodology for object tracking [0.0]
本稿では、目標追跡モデル性能ベンチマークと、追跡モデル開発を駆動するための診断情報の両方を提供するMONCE(Multi-Object Non-Contiguous Entities)イメージトラッキングメトリクスのスイートを提案する。
論文参考訳（メタデータ） (2022-04-11T17:32:03Z)
Transforming Model Prediction for Tracking [109.08417327309937]
トランスフォーマーは、誘導バイアスの少ないグローバルな関係を捉え、より強力なターゲットモデルの予測を学ぶことができる。提案したトラッカーをエンドツーエンドにトレーニングし、複数のトラッカーデータセットに関する総合的な実験を行うことで、その性能を検証する。我々のトラッカーは3つのベンチマークで新しい技術状態を設定し、挑戦的なLaSOTデータセットで68.5%のAUCを達成した。
論文参考訳（メタデータ） (2022-03-21T17:59:40Z)
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)
ArTIST: Autoregressive Trajectory Inpainting and Scoring for Tracking [80.02322563402758]
オンラインマルチオブジェクトトラッキング(MOT)フレームワークの中核的なコンポーネントの1つは、既存のトラックレットと新しい検出を関連付けることである。そこで我々は,トラックレットが自然運動を表す可能性を直接測定することにより,トラックレットの提案を評価する確率論的自己回帰生成モデルを提案する。
論文参考訳（メタデータ） (2020-04-16T06:43:11Z)

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。