論文の概要: Fish Tracking Challenge 2024: A Multi-Object Tracking Competition with Sweetfish Schooling Data
- arxiv url: http://arxiv.org/abs/2409.00339v1
- Date: Sat, 31 Aug 2024 03:26:53 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 15:23:54.260591
- Title: Fish Tracking Challenge 2024: A Multi-Object Tracking Competition with Sweetfish Schooling Data
- Title（参考訳）: 魚追跡コンテスト2024:Sweetfish Schooling Dataによる多目的追跡コンテスト
- Authors: Makoto M. Itoh, Qingrui Hu, Takayuki Niizato, Hiroaki Kawashima, Keisuke Fujii,
- Abstract要約: 魚追跡チャレンジ2024では、学校用サツマイモの行動に焦点を当てた多目的追跡コンペティションが導入されている。
SweetFishデータセットを使用することで、参加者は10種のサツマイモの位置を同時に正確に監視する高度な追跡モデルの開発を任される。
ビデオデータとバウンディングボックスアノテーションを活用することで、このコンペティションは自動検出と追跡アルゴリズムの革新を促進することを目指している。
- 参考スコア（独自算出の注目度）: 0.6834295298053009
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The study of collective animal behavior, especially in aquatic environments, presents unique challenges and opportunities for understanding movement and interaction patterns in the field of ethology, ecology, and bio-navigation. The Fish Tracking Challenge 2024 (https://ftc-2024.github.io/) introduces a multi-object tracking competition focused on the intricate behaviors of schooling sweetfish. Using the SweetFish dataset, participants are tasked with developing advanced tracking models to accurately monitor the locations of 10 sweetfishes simultaneously. This paper introduces the competition's background, objectives, the SweetFish dataset, and the appraoches of the 1st to 3rd winners and our baseline. By leveraging video data and bounding box annotations, the competition aims to foster innovation in automatic detection and tracking algorithms, addressing the complexities of aquatic animal movements. The challenge provides the importance of multi-object tracking for discovering the dynamics of collective animal behavior, with the potential to significantly advance scientific understanding in the above fields.
- Abstract（参考訳）: 水生環境における集団動物行動の研究は、民族学、生態学、生物航法学の分野における運動と相互作用パターンを理解するためのユニークな課題と機会を提示する。
The Fish Tracking Challenge 2024 (https://ftc-2024.github.io/)は、サツマイモの複雑な行動に焦点を当てた多目的追跡コンテストである。
SweetFishデータセットを使用することで、参加者は10種のサツマイモの位置を同時に正確に監視する高度な追跡モデルの開発を任される。
本稿では,コンペティションの背景,目的,SweetFishデータセット,第1～第3回受賞者の評価,ベースラインについて紹介する。
ビデオデータとバウンディングボックスアノテーションを活用することで、このコンペティションは、水生動物の運動の複雑さに対処して、自動検出と追跡アルゴリズムの革新を促進することを目指している。
この課題は、動物集団行動のダイナミクスを発見するための多目的追跡の重要性を提供し、上記の分野における科学的理解を著しく前進させる可能性がある。
関連論文リスト
- BuckTales : A multi-UAV dataset for multi-object tracking and re-identification of wild antelopes [0.6267336085190178]
BuckTalesは、野生動物の多目的追跡と再同定問題を解決するために設計された最初の大規模なUAVデータセットである。
MOTデータセットには12の高解像度(5.4K)ビデオを含む680トラックを含む120万以上のアノテーションが含まれている。
Re-IDデータセットには、同時に2つのUAVで捕獲された730人の個人が含まれている。
論文 参考訳（メタデータ） (2024-11-11T11:55:14Z) - V3Det Challenge 2024 on Vast Vocabulary and Open Vocabulary Object Detection: Methods and Results [142.5704093410454]
V3Det Challenge 2024は、オブジェクト検出研究の境界を推し進めることを目的としている。
Vast Vocabulary Object DetectionとOpen Vocabulary Object Detectionの2つのトラックで構成されている。
我々は,広い語彙とオープン語彙のオブジェクト検出において,今後の研究の方向性を刺激することを目指している。
論文 参考訳（メタデータ） (2024-06-17T16:58:51Z) - Watching Swarm Dynamics from Above: A Framework for Advanced Object Tracking in Drone Videos [2.2159863221761165]
本研究では,無人ドローン映像から海中の魚の群れを追跡する新しい手法を提案する。
我々のフレームワークは、2Dで古典的な物体追跡を行うだけでなく、映像データとドローン搭載センサー情報(GPSとIMU)を融合させることで、世界座標における魚学校の位置と空間的拡張を追跡する。
提示された枠組みにより、研究者は非侵襲的でスケーラブルな方法で、自然の社会的・環境的な文脈で魚学校の集団行動を研究することができる。
論文 参考訳（メタデータ） (2024-06-11T19:57:00Z) - WoodScape Motion Segmentation for Autonomous Driving -- CVPR 2023 OmniCV
Workshop Challenge [2.128156484618108]
WoodScape fisheye Motion segmentation Challenge for autonomous drivingはCVPR 2023 Workshop on Omnidirectional Computer Visionの一部として開催された。
112のグローバルチームが参加し、合計で234の応募があった。
論文 参考訳（メタデータ） (2023-12-31T23:53:50Z) - OmniMotionGPT: Animal Motion Generation with Limited Data [70.35662376853163]
最初のテキストアニマルモーションデータセットであるAnimalML3Dを紹介した。
我々は,動物データに基づくヒトの動き生成ベースラインのトレーニング結果よりも定量的かつ質的に,高い多様性と忠実さで動物の動きを生成することができる。
論文 参考訳（メタデータ） (2023-11-30T07:14:00Z) - Indiscernible Object Counting in Underwater Scenes [91.86044762367945]
認識不能なオブジェクトのカウントは、その環境に対してブレンドされたオブジェクトをカウントすることである。
本稿では,5,637個の高解像度画像と659,024個の注釈付き中心点を含む大規模データセットIOCfish5Kを提案する。
論文 参考訳（メタデータ） (2023-04-23T15:09:02Z) - A Survey of Fish Tracking Techniques Based on Computer Vision [11.994865945394139]
本稿では,過去7年間の魚類追跡技術の進歩を概観する。
基本的位置決めと追跡方法に重点を置き、多様な魚の追跡手法を探求する。
また、オープンソースのデータセット、評価指標、課題、魚の追跡研究への応用についても要約している。
論文 参考訳（メタデータ） (2021-10-06T07:46:35Z) - Unlocking the potential of deep learning for marine ecology: overview,
applications, and outlook [8.3226670069051]
本稿では,海洋生態学者と計算機科学者のギャップを埋めることを目的としている。
本研究では, 一般的な深層学習手法を, 平易な言語における生態データ分析に適用する。
我々は,海洋生態学への深層学習の確立と新たな応用を通じて,課題と機会を解説する。
論文 参考訳（メタデータ） (2021-09-29T21:59:16Z) - Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。
提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文 参考訳（メタデータ） (2020-11-28T05:51:19Z) - Self-supervised Object Tracking with Cycle-consistent Siamese Networks [55.040249900677225]
我々は、オブジェクト追跡のためのサイクル一貫性の自己監視フレームワークにおいて、エンドツーエンドのSiameseネットワークを利用する。
トラッキングフレームワークにシームズ領域の提案とマスク回帰ネットワークを統合することで,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
論文 参考訳（メタデータ） (2020-08-03T04:10:38Z) - TAO: A Large-Scale Benchmark for Tracking Any Object [95.87310116010185]
オブジェクトのデータセットの追跡は2,907本の高解像度ビデオで構成され、平均で30分の長さの多様な環境でキャプチャされる。
ビデオの任意の時点で移動するオブジェクトにアノテータにラベルを付け、ファクトラムの後に名前を付けるように求めます。
我々の語彙は、既存の追跡データセットと著しく大きく、質的に異なる。
論文 参考訳（メタデータ） (2020-05-20T21:07:28Z)
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。