深層学習はモデルベースマルチオブジェクトトラッキングに応用できるか?【JST・京大機械翻訳】

Pinto Juliano; Hess Georg; Ljungbergh William; Xia Yuxuan; Wymeersch Henk; Svensson Lennart

プレプリント

J-GLOBAL ID：202202214640795640 整理番号：22P0290521

深層学習はモデルベースマルチオブジェクトトラッキングに応用できるか?【JST・京大機械翻訳】

Can Deep Learning be Applied to Model-Based Multi-Object Tracking?

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 (6件)： , , , , ,
資料名：
発行年： 2022年02月16日プレプリントサーバーでの情報更新日： 2022年02月16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)

マルチオブジェクトトラッキング(MOT)は,自律運転,追跡動物行動,防御システム,その他のような重要なアプリケーションで,雑音測定を用いて未知で時変数の物体の状態を追跡する問題である。近年,深層学習(DL)は追跡性能の改善のためにMOTにおいてますます使用されているが,測定が高次元であり,測定尤度と物体動力学の利用可能なモデルがない設定において,ほとんど設定されている。代わりに,モデルベースの設定は,多くの注意として引きつけられず,DL法が従来のモデルベースのBayes法よりも性能が優れていて,これは,この文脈における最先端技術(SOTA)である。本論文では,変換器ベースDLトラッカーを提案し,モデルベース設定におけるその性能を評価し,様々なタスクにおけるSOTAモデルベースBayes法と比較した。その結果,提案したDL法は,単純なタスクにおけるモデルベース手法の性能に整合し,一方,タスクが,データ結合の複雑さの増加,あるいは環境モデルの強い非線形性のいずれかにより,より複雑になる。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

前のページに戻る