Dec, 2023

NTrack：一种适用于棉花田中的多目标跟踪器和数据集

PDF
TL;DR通过自动化追踪技术，基于线性关系以及通过数据关联找到检测与追踪之间的对应关系，利用粒子滤波和稠密光流来引导追踪器，该论文介绍了一种独立于检测方法的模块化多物体追踪系统 NTrack，并通过实验证明其在棉铃追踪和计数方面的有效性，超过了其他方法，并公开了第一个棉铃视频数据集。
automatingtrackingntrackmultiple object trackingcotton bolls
发现论文，激发创造
  • 商业柑橘果园中多个橙子检测和跟踪的流水线，包括三维水果定位和基于神经网络的产量回归

    利用基于近红外成像、计算机视觉和机器学习的自动系统，这篇论文提出了一种用于柑橘作物预测的非侵入性替代方案，该系统通过视频计数水果，并结合其他树木数据（如作物品种和树木大小）估计水果的总数。通过对视频中至少 30% 的水果进行准确检测、跟踪和计数，可以实现令人印象深刻的 0.85 的决定系数。该研究是少数几个以手动水果计数为评估参考点的柑橘估算方法尝试之一，并提供了用于图像水果计数的注释数据集以促进新方法的发展。

    Dec, 2023

  • 基于人群密度图中的网络流量的目标多目标追踪算法

    本文提出了一种新的基于人群密度图的多目标追踪（MOT）算法 —— 计数式追踪。通过联合建模检测、计数和跟踪多个目标为网络流算法，该算法同时找到全局最优的多个目标检测和轨迹。该方法在人员、细胞和鱼群跟踪等各领域的公共基准测试中表现出了良好的结果。

    Jul, 2020

  • AgriSORT: 简易的在线实时检测跟踪框架用于农业精准机械

    基于运动信息的用于精准农业的实时检测跟踪管道的研究，重点是多目标追踪、精准农业、运动信息、检测跟踪管道和农业环境。

    Sep, 2023

  • 利用领域随机化和物体追踪神经网络进行种子核计数

    使用合成图像训练神经网络模型和物体跟踪算法，开发了一种低成本的种仁计数器，能够准确估计玉米和小麦的产量。

    Aug, 2023

  • BOLLWM：印度棉田棉铃虫害监测的真实世界数据集

    本文介绍了一个由数千名小农户和农业推广工作者在印度拍摄了五年的农业害虫图像数据集，该数据集被用于支持一款基于人工智能的移动应用程序，以协助农民进行害虫管理决策。

    Apr, 2023

  • 稠密光学跟踪：连接数据点

    本文介绍了 DOT，一种新颖、简单且高效的方法，用于解决点追踪中存在的遮挡问题，并且通过最近邻插值计算粗糙的初始估计密集流场和可见性掩码，然后利用可学习的光流估计器对其进行精细化处理。实验证明 DOT 相较于当前的光流技术更加准确，在速度方面至少快两个数量级。

    Dec, 2023

  • 无额外附加物的跟踪

    本文提出了一种新的跟踪方法 Tracktor，该方法利用对象检测器的边界框回归来预测下一帧中对象的位置，同时扩展直接重识别和摄像机动作补偿，从而实现了超越现有任何跟踪方法的跟踪性能。

    Mar, 2019

  • PointTrackNet: 一种从点云中进行 3D 物体检测和跟踪的端到端网络

    PointTrackNet 使用机器学习技术构建一个端到端的 3D 目标检测和跟踪网络，在处理极端运动状态下的 KITTI 跟踪数据集时表现卓越。

    Feb, 2020

  • 以点追踪物体

    本文提出了一种简单、快速而准确的目标检测和跟踪算法 CenterTrack，它可以同时进行检测和跟踪，且在线实时运行，是当前最先进的算法之一。

    Apr, 2020

  • NetTrack: 使用网络实现高度动态物体的跟踪

    NetTrack 是一个高效、通用、经济实惠的追踪框架，通过引入细粒度学习，利用点级视觉线索来构建一个对动态性鲁棒的动态感知关联。它还学习了细粒度的样本选择和匹配方法，以及细粒度的定位。在鸟群追踪 (Bird Flock Tracking) 数据集和一系列具有高动态性的开放世界基准测试中的全面评估验证了 NetTrack 在目标动态性方面的有效性，即使没有微调，在挑战性的开放世界基准测试中也证实了 NetTrack 的强大泛化能力。

    Mar, 2024