文献

J-GLOBAL ID：202002218826502754   整理番号：20A2694296

複数オブジェクト追跡のための動きモデリングによる同時検出と追跡【JST・京大機械翻訳】

Simultaneous Detection and Tracking with Motion Modelling for Multiple Object Tracking

著者 (6件)： Sun Shijie (Chang’an University, Xi’an, Shaanxi, China) ,  Akhtar Naveed (University of Western Australia, Crawley, WA, Australia) ,  Song Xiangyu (Deakin University, Melbourne, Australia) ,  Song Huansheng (Chang’an University, Xi’an, Shaanxi, China) ,  Mian Ajmal (University of Western Australia, Crawley, WA, Australia) ,  Shah Mubarak (University of Central Florida, Orlando, FL, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12369  ページ： 626-643  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層学習ベースの多重オブジェクト追跡(MOT)は,現在,検出の追跡のためのオフザイス検出器に依存している。これは,検出器バイアスと検出器が影響する評価である深いモデルをもたらす。この課題を解決するため,エンドツーエンド方式で関節検出と連想を行うための複数のオブジェクトの運動パラメータを推定することができる深層運動モデリングネットワーク(DMM-Net)を導入した。DMM-Netモデルは,複数のフレーム上のオブジェクト特徴をモデル化し,同時にオブジェクトクラス,可視度およびそれらの動きパラメータを推定する。これらの出力は,効率的なMOTのためのトラックレットを更新するために容易に使用できる。DMM-Netは,一般的なUA-DETRACチャレンジに対して,12.80@120+fpsのPR-MOTAスコアを達成し,それは,より優れた性能と桁のオーダーである。また,MOT評価における検出器の影響を除くために,正確な地上-真実アノテーションを提供する車両追跡のための合成大規模公開データセットOmni-MOTも貢献した。この14M+フレームデータセットは,著者らの公開スクリプト(Code)で拡張可能である。DMM-Netによる深層学習のためのOmni-MOTの適合性を実証し,また,著者らのネットワーク公開のソースコードを作成した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  適応性 ,  多重化 ,  エンドツーエンド方式 ,  検出器 ,  バイアス ,  *可視度 ,  深層 ,  アノテーション
準シソーラス用語： *物体追跡 ,  スクリプト ,  ソースコード ,  *同時検出 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 複数オブジェクトトラッキング ,  追跡検出 ,  深層学習 ,  同時検出と追跡

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： オブジェクト追跡 ,  動き ,  モデリング ,  同時検出 ,  追跡