文献

J-GLOBAL ID：202202282711578782   整理番号：22A1085691

グラフベースマルチタスクモデリングによる衛星ビデオにおけるマルチオブジェクトトラッキング【JST・京大機械翻訳】

Multi-Object Tracking in Satellite Videos With Graph-Based Multitask Modeling

著者 (5件)： He Qibin (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Sun Xian (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Yan Zhiyuan (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China) ,  Li Beibei (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Jilin, China) ,  Fu Kun (Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5619513.1-13  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 最近,衛星ビデオは地球観測の新たな手段となり,移動物体の追跡の可能性を提供する。しかし,既存のマルチオブジェクトトラッカーは,リモートセンシングデータの特性を考慮しない自然シーンのために一般的に設計されている。さらに,ほとんどのトラッカーは,検出と再同定(ReID)の2つの独立段階で構成され,それらが相互に促進できないことを意味する。この目的のために,衛星ビデオにおけるマルチオブジェクトトラッキングのために,TGraMと呼ばれるエンドツーエンドオンラインフレームワークを提案した。マルチタスク学習展望からグラフ情報推論手順としてマルチオブジェクトトラッキングをモデル化する。特に,グラフベース時空間推論モジュールを提示して,ビデオフレーム間の潜在的高次相関をマイニングした。さらに,検出とReIDの間の最適化目的の不整合を考慮して,マルチタスク勾配敵対学習戦略を設計して,各タスク特異的ネットワークを正規化した。さらに,この分野におけるデータ不足を狙って,マルチオブジェクト追跡(AIR-MOT)のための大規模で高解像度の吉林-1衛星ビデオデータセットを,実験のために構築する。最先端のマルチオブジェクトトラッカーと比較して,TGraMは検出とReIDの間の効率的協調学習を達成して,1.2の多重オブジェクト追跡精度によって追跡精度を改善した。コードとデータセットはオンラインで利用できる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  情報 ,  ネットワーク ,  追跡 ,  相関 ,  多重化 ,  *録画装置 ,  エンドツーエンド方式 ,  高分解能 ,  正規化 ,  機械学習
準シソーラス用語： *物体追跡 ,  オンライン ,  *マルチタスク ,  マルチタスク学習 ,  リモートセンシングデータ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 衛星 ,  ビデオ ,  マルチ ,  オブジェクトトラッキング