論文の概要: RAMOTS: A Real-Time System for Aerial Multi-Object Tracking based on Deep Learning and Big Data Technology

• arxiv url: http://arxiv.org/abs/2502.03760v1
• Date: Thu, 06 Feb 2025 03:46:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:32:44.743309
• Title: RAMOTS: A Real-Time System for Aerial Multi-Object Tracking based on Deep Learning and Big Data Technology
• Title（参考訳）: RAMOTS:ディープラーニングとビッグデータ技術に基づく空中多物体追跡のためのリアルタイムシステム
• Authors: Nhat-Tan Do, Nhi Ngoc-Yen Nguyen, Dieu-Phuong Nguyen, Trong-Hop Do,
• Abstract要約: UAVビデオにおける多物体追跡(MOT)は、視点の変化、解像度の低さ、小さな物体の存在により困難である。 本稿では,Apache KafkaとApache Sparkを統合したリアルタイムMOTフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Multi-object tracking (MOT) in UAV-based video is challenging due to variations in viewpoint, low resolution, and the presence of small objects. While other research on MOT dedicated to aerial videos primarily focuses on the academic aspect by developing sophisticated algorithms, there is a lack of attention to the practical aspect of these systems. In this paper, we propose a novel real-time MOT framework that integrates Apache Kafka and Apache Spark for efficient and fault-tolerant video stream processing, along with state-of-the-art deep learning models YOLOv8/YOLOv10 and BYTETRACK/BoTSORT for accurate object detection and tracking. Our work highlights the importance of not only the advanced algorithms but also the integration of these methods with scalable and distributed systems. By leveraging these technologies, our system achieves a HOTA of 48.14 and a MOTA of 43.51 on the Visdrone2019-MOT test set while maintaining a real-time processing speed of 28 FPS on a single GPU. Our work demonstrates the potential of big data technologies and deep learning for addressing the challenges of MOT in UAV applications.
• Abstract（参考訳）: UAVビデオにおける多物体追跡(MOT)は、視点の変化、解像度の低さ、小さな物体の存在により困難である。 航空ビデオ専門のMOTに関する他の研究は、高度なアルゴリズムを開発することによって学術的な側面に重点を置いているが、これらのシステムの実用的側面にはあまり注目されていない。 本稿では,最新のディープラーニングモデルYOLOv8/YOLOv10とBYTETRACK/BoTSORTとともに,Apache KafkaとApache Sparkを統合したリアルタイムMOTフレームワークを提案する。 私たちの研究は、高度なアルゴリズムだけでなく、これらの手法をスケーラブルで分散システムに統合することの重要性を強調しています。 これらの技術を活用することで、Visdrone2019-MOTテストセット上で48.14のHOTAと43.51のMOTAを実現し、1つのGPU上で28FPSのリアルタイム処理速度を維持する。 我々の研究は、UAVアプリケーションにおけるMOTの課題に対処するために、ビッグデータ技術とディープラーニングの可能性を実証している。

関連論文リスト

• Exploring Machine Learning Engineering for Object Detection and Tracking by Unmanned Aerial Vehicle (UAV) [3.600782980481468]
  この研究は、自動化の増大に伴う保証手法の導入を強調した機械学習パイプラインの開発に焦点を当てている。 新しいデータセットは、ルンバの掃除機のような移動物体のビデオを収集し、屋内環境の探索・救助(SAR)をエミュレートすることで作成されている。 データセットの改良後、第2のYOLOv4とMask R-CNNモデルでトレーニングされた。
  論文  参考訳（メタデータ） (2024-12-19T19:27:31Z)
• 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)
• VOVTrack: Exploring the Potentiality in Videos for Open-Vocabulary Object Tracking [61.56592503861093]
  オープンボキャブラリオブジェクト検出(OVD)とマルチオブジェクトトラッキング(MOT)の複雑さを両立させる。 OVMOT の既存のアプローチは、OVD と MOT の方法論を別個のモジュールとして統合することが多く、主に画像中心のレンズによる問題に焦点を当てている。 VOVTrackは、MOTとビデオ中心トレーニングに関連するオブジェクト状態を統合する新しい手法であり、ビデオオブジェクト追跡の観点からこの問題に対処する。
  論文  参考訳（メタデータ） (2024-10-11T05:01:49Z)
• FOLT: Fast Multiple Object Tracking from UAV-captured Videos Based on Optical Flow [27.621524657473945]
  複数物体追跡(MOT)はコンピュータビジョンにおいてよく研究されている。 しかし、無人航空機(UAV)が撮影したビデオのMOTは、小さな物体の大きさ、ぼやけた物体の外観、そして非常に大きくて不規則な動きのために依然として困難である。 我々はこれらの問題を緩和し、UAVビューで高速かつ正確なMOTに到達するためにFOLTを提案する。
  論文  参考訳（メタデータ） (2023-08-14T15:24:44Z)
• OVTrack: Open-Vocabulary Multiple Object Tracking [64.73379741435255]
  OVTrackは任意のオブジェクトクラスを追跡することができるオープン語彙トラッカーである。 大規模な大語彙のTAOベンチマークに新たな最先端技術が設定されている。
  論文  参考訳（メタデータ） (2023-04-17T16:20:05Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• YOLO v3: Visual and Real-Time Object Detection Model for Smart Surveillance Systems(3s) [0.0]
  本稿では,スマートサーベイランスシステム(Smart Surveillance Systems, 3s)と呼ばれるサイバー物理システムの物体検出モデルを提案する。 本研究は, 学習時間と計算資源を削減するため, 転送学習手法を実装した。 提案モデルの結果は, 監視映像中の物体の検出において極めて良好であった。
  論文  参考訳（メタデータ） (2022-09-26T06:34:12Z)
• Multi-Object Tracking with Deep Learning Ensemble for Unmanned Aerial System Applications [0.0]
  多目的追跡(MOT)は、軍事防衛分野における状況認識の重要な構成要素である。 本稿では,リアルタイムな状況下での騒音に対応するために,頑健なオブジェクト追跡アーキテクチャを提案する。 本稿では,遅延空間における実体軌道の予測にシーケンス・ツー・シーケンス・アーキテクチャを用いる,Deep Extended Kalman Filter (DeepEKF) と呼ばれるキネマティックな予測モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-05T13:50:38Z)
• Analysis of voxel-based 3D object detection methods efficiency for real-time embedded systems [93.73198973454944]
  本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。 実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。 この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
  論文  参考訳（メタデータ） (2021-05-21T12:40:59Z)
• Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
  3D MOT問題に対する統一型学習型アプローチを提案します。 我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。 AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
  論文  参考訳（メタデータ） (2021-04-23T17:59:28Z)
• TubeTK: Adopting Tubes to Track Multi-Object in a One-Step Training Model [51.14840210957289]
  マルチオブジェクトトラッキングは、長い間研究されてきた基本的な視覚問題である。 Tracking by Detection (TBD)の成功にもかかわらず、この2段階の手法はエンドツーエンドでトレーニングするには複雑すぎる。 本稿では,短いビデオクリップ中の物体の時間空間位置を示すために,バウンディングチューブを導入することで,一段階のトレーニングしか必要としない簡潔なエンドツーエンドモデルチューブTKを提案する。
  論文  参考訳（メタデータ） (2020-06-10T06:45:05Z)

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。