data association | BriefGPT

关键词data association

搜索结果 - 70

不确定性感知的自监督三维数据关联
本研究提出利用自我监督度量学习的方式，以数据关联为重点，从大量未标注数据集中学习 3D 物体跟踪器。自我监督注释可以被用于有原则的学习点云嵌入，实现数据关联和 3D 跟踪。估计并结合跟踪的不确定度，设计嵌入以识别不同帧间的物体，通过未标注数
PDF4 years ago
ECCVCycAs：自监督循环关联学习可重识别描述
该论文提出了一种无需伪标签的自监督学习方法，通过创建一个自监督的假任务来加强行人重识别的性能，即 CycAs 任务，将数据关联过程进行可微分化的改进，从而学习到能够描述帧对实例间对应关系的有意义的表征。实验表明，该方法在行人重识别任务上胜过
PDF4 years ago
ReMOTS: 自我监督细化多目标跟踪和分割
提出了一种自监督的重构 MOTS 框架，并在 CVPR 2020 的 MOTS 挑战中获得了第一名，该框架利用数据关联，引入阈值，通过短期轨迹训练外观编码器，达到对 MOTS 结果的精细化改进。
PDF4 years ago
用图神经网络实现联合目标检测和多目标跟踪
本研究提出一种基于图神经网络的联合多目标跟踪方法，通过优化检测和数据关联模块，兼顾准确性和运行效率，成功在多个 MOT 数据集上实现了最先进的性能表现。
PDF4 years ago
CVPRGNN3DMOT: 三维多目标跟踪的图神经网络和多特征学习
该研究提出了两种技术来改进 3D 多目标跟踪中的判别特征学习，通过引入图神经网络实现对象间的特征互动，以及从二维和三维空间中同时提取外观和运动特征来减少混淆。最终实现了在 KITTI 和 nuScenes 3D MOT 测试中最先进的性能表
PDF4 years ago
EAO-SLAM: 基于集合数据关联的单目半稠密物体 SLAM
本研究提出了一个整合参数和非参数统计测试的集成数据关联策略，并开发了一个鲁棒的质心和比例估计算法和一个对象姿态初始化算法，用于帮助改进姿态估计结果的最优性。通过在三个公共数据集和一个真实场景上的广泛实验，结果表明我们的方法在准确性和鲁棒性方
PDF4 years ago
自动驾驶的概率三维多目标跟踪
本文介绍了一种在线目标跟踪方法，采用卡尔曼滤波器估算对象状态，并测量预测对象状态和当前检测数据之间的马氏距离以进行数据关联，该方法在 NuScenes Tracking Challenge 中表现优异。
PDF4 years ago
UnOVOST: 无监督离线视频对象分割和跟踪
本研究提出了一种基于轨迹分组和决策森林的算法，名为 UnOVOST，用于解决无监督的视频对象分割和跟踪问题，并在 DAVIS 2017 Unsupervised 数据集上达到了最先进性能。
PDF4 years ago
CVPR多目标跟踪的神经求解器学习
本文提出了一种基于消息传递网络的全可微分多目标追踪框架，可以直接在图形领域进行操作，实现对于整个检测集的全局推理和最终解决方案的预测，证明了在多目标追踪领域，学习不仅需要局部特征提取，还可以应用于数据关联步骤，并在三个公开基准测试中取得了显
PDF5 years ago
基于 GM-PHD 滤波器和 CNN 重识别技术的鲁棒性遮挡在线多目标视觉跟踪
本文提出了一种新颖的在线多物体视觉跟踪器，它使用高斯混合概率假设密度 (GM-PHD) 滤波器和深度外观学习，并在数据关联后继续采用未分配轨迹预测以克服 GM-PHD 滤波器对遮挡引起的漏检敏感性，其在 MOT16，MOT17 和 HiEv
PDF5 years ago
基于图神经网络的端到端数据关联框架用于在线多目标跟踪
本文提出了一个以神经网络为基础的端到端框架，用于解决在线多目标跟踪中的数据关联问题。算法将帧间数据关联建模成最大带权二分匹配问题，并利用预先学习好的神经网络进行求解，该网络结合了外观和运动特征来计算有关联所需的邻接矩阵。实验表明，该框架能够
PDF5 years ago
3D 多目标跟踪：基线和新的评估指标
该论文提出了一个简单实时的 3D 多目标跟踪系统，使用 3D Kalman 滤波器和匈牙利算法进行状态估计和数据关联，并提出了新的 3D MOT 评估工具和新的评估指标，可在 KITTI 和 nuScenes 数据集上获得最先进的性能和最快
PDF5 years ago
FANTrack: 基于特征关联网络的三维多目标跟踪
我们提出了一种数据驱动的方法，使用卷积神经网络（CNN）在一个检测跟踪框架中进行数据关联来进行在线多目标跟踪（MOT）。我们的解决方案学习如何在数据和图像之间组合线索来解决关联问题，可以在处理复杂情况下准确跟踪物体并获得优异结果。
PDF5 years ago
ICCVEM-Fusion：带有概率数据关联的动态目标级 SLAM
本文提出了一种新颖的基于动态物体级别体积有符号距离函数表示法的 SLAM 方法，将多物体跟踪公式化为 RGB-D 图像与 SDF 表示法的直接对齐，通过概率方法进行数据关联和遮挡处理，实验结果表明该方法在鲁棒性和准确性方面优于现有的最优方法
PDF5 years ago
FAMNet: 在线多目标跟踪的特征、关联和多维分配联合学习
本文提出了一种名为 FAMNet 的端到端模型，其中特征提取、亲和性估计和多维分配都在单个网络中优化，通过直接从分配标准答案中监督学习来实现鲁棒 MOT 的区分性特征和高阶亲和性模型。同时，将单目标跟踪技术和专用目标管理方案集成到 FAMN
PDF5 years ago
ECCV使用双匹配注意力网络进行在线多目标跟踪
本文提出了一种在线多目标跟踪算法，该算法将单目标跟踪和数据关联方法的优点融合在统一框架中，以处理嘈杂的探测和目标之间频繁的交互，并在多目标跟踪基准数据集上展示出较好的性能。
PDF5 years ago
ICCV单目三维车辆检测与跟踪
提出了一种基于单目视觉的 3D 车辆检测和跟踪的在线框架，并利用 3D 车辆坐标信息和深度匹配对数据进行关联，并设计了一个基于 LSTM 的动作学习模块，以进行更准确的长期运动外推。实验结果表明，该跟踪系统可以提供抗干扰性更强的数据关联和跟
PDF6 years ago
深度亲和网络用于多目标跟踪
本研究提出了基于深度学习的数据关联方法来解决多目标跟踪中的数据关联问题，并在 MOT15、MOT17 和 UA-DETRAC 等数据集上通过 12 项指标的评估证明该方法是当今最佳的技术之一。
PDF6 years ago
ECCV使用高斯混合树快速准确的点云配准
本文提出了一种新的基于分层高斯混合模型 (GMM) 表征的分层多尺度点云数据表示方法，采用 GPU 并行处理计算数据分割，通过动态选择细节程度和空间分布特征来实现以上 3D 感知问题的数据关联；与之前的点云最近点迭代算法和基于 GMM 技术
PDF6 years ago
利用几何和形状线索进行在线多目标跟踪
该论文提出了城市驾驶场景中多目标跟踪的几何和物体形状以及姿势成本方法，通过使用单目相机图像，基于三维线索，设计成对的目标跟踪成本，这些成本易于实现，可实时计算，可以结合任何优化框架以输出成对数据关联。同时，本文提出的方法在不同条件下的实验表
PDF6 years ago