オンライン複数物体追跡において分割モデルの検証

カテゴリ: 研究会(論文単位)

論文No: PI20017,IIS20048

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2020/03/23

タイトル(英語): Analysis of Part-Aggregated Feature Online Extraction for Multi-Object Tracking

著者名: 石川 晴也(慶應義塾大学),林 昌希(慶應義塾大学),ファン チョンフィ( 沖電気工業),山本 一真( 沖電気工業),増田 誠( 沖電気工業),青木 義満(慶應義塾大学)

著者名(英語): Haruya Ishikawa(Keio University),Masaki Hayashi(Keio University),Trong Huy Phan(OKI),Kazuma Yamamoto(OKI),Makoto Masuda(OKI),Yoshimitsu Aoki(Keio Univesity)

キーワード: 物体追跡|埋め込みベクトル|画像認識|Object Tracking|Embedding|Image Recognition

要約(日本語): オンライン複数物体追跡のタスクでは遮蔽などにより，物体の追跡が失われる問題がある．_x000D_ これを解決するために，本研究では物体の矩形を部分的に特徴抽出する手法（Part-Aggregated 特徴抽出）を検証する．_x000D_ このタスクに対して，見えや位置の特徴や再同定の研究でよく使われる距離学習方法の影響を確認する．_x000D_ 実験結果により，提案手法の優位性を示す．

要約(英語): We propose a part-aggregated feature extraction framework approach for the online multi-object tracking (MOT) task. _x000D_ We analyze the effect of visual and location features to enhance tracking in hard examples such as occlusion._x000D_ Inspired by various re-identification (Re-ID) methods, we also analyze different metric-learning approaches._x000D_ From our results, we show that our approach is a simple yet effective.

原稿種別: 日本語

PDFファイルサイズ: 969 Kバイト