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
In this paper, we propose a novel optimization method for a learnable kalman filter to enhance multi-object tracking system by integrating an optimized loss function with a learnable Kalman Filter and applying image data augmentation techniques to trajectory data which type of time-series data. The way of using traditional Kalman Filters often fail to adapt to dynamic changes inherent in MOT scenarios. By incorporating deep learning directly into the filter’s estimation process, proposed method provides a more flexible and accurate tracking mechanism. Our experiments on standard benchmarks such as MOT17 and MOT20 demonstrate improvements in association accuracy, and location estimation, particularly highlighting the balanced performance across various metrics including HOTA, MOTP and FP. Novelty of this paper presents a unified framework combining MOT system with learnable Kalman filter. The results confirm that utilizing a tailored loss function alongside sophisticated data augmentation can elevate MOT performance. We anticipate that our findings will spur further research into adaptive filtering techniques within MOT applications.
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) : I410-151-25-02-092168967
