交通シーンにおける複数オブジェクト追跡のための教師付きおよび教師なし検出:比較研究【JST・京大機械翻訳】

Ooi Hui-Lee; Bilodeau Guillaume-Alexandre; Saunier Nicolas

プレプリント

J-GLOBAL ID：202202213491664701 整理番号：22P0128744

交通シーンにおける複数オブジェクト追跡のための教師付きおよび教師なし検出:比較研究【JST・京大機械翻訳】

Supervised and Unsupervised Detections for Multiple Object Tracking in Traffic Scenes: A Comparative Study

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年03月30日プレプリントサーバーでの情報更新日： 2020年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,複数の古典的特徴(空間距離と色)と最新の特徴(検出ラベルと再識別特徴)をトラッキングフレームワークで統合する,MF追跡器と呼ばれる多重オブジェクトトラッカーを提案する。著者らのトラッカーは教師なしおよび教師つきオブジェクト検出器から来る検出で動作できるので,著者らはまた,この方法における教師つきおよび教師なし検出入力の影響,および一般的に道路利用者を追跡することを研究した。また,著者らの結果をUA-Detracと都市追跡データセットに適用した既存の方法と比較した。その結果,提案手法は,異なる入力(都市追跡データセット上の教師なし入力に対して0:3491から0:5805の範囲,およびUAデトラックデータセット上の教師付き入力に対して0:7638の平均MOTA)で,異なる環境の下で,非常に良好に機能していることがわかった(MOTAは0:3491から0:5805の範囲)。よく訓練された教師つき物体検出器は,挑戦的なシナリオでより良い結果を与えることができる。しかし,単純なシナリオでは,良好な訓練データが利用できないならば,教師なし方法はよく実行でき,良好な代替案となり得る。【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能

, , , ,

前のページに戻る