인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
MOT(Multiple Object Tracking) plays a crucial role in various applications such as autonomous driving, pedestrian tracking, and video surveillance, with ongoing research aimed at improving tracking performance. However, MOT faces challenges in accurate tracking due to complex scenarios involving object interactions, occlusions, and overlaps across consecutive frames. This paper proposes a novel ap- proach integrating Spatial and Temporal Attention into the Transformer-based TrackFormer model to address these issues. This integration effectively captures spatial relationships among objects within frames and temporal changes of objects across consecutive frames. Experiments conducted on MOT16, MOT17, and MOT20 datasets demonstrate that the proposed method outperforms the original TrackFormer model in key performance metrics. Notably, on the MOT20 dataset, which deals with dense crowd environments, our method achieved 78.2% MOTA, 71.8% IDF1, and 80.2% Recall. These results suggest that the proposed method can adapt to diverse environments and complexities, offering reliable object tracking performance in real-world scenarios.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091188287
