论文学习
天黑黑黑
这个作者很懒,什么都没留下…
展开
-
End-to-end Learning of Multi-sensor 3D Tracking by Detection
Abstract产生3D轨迹,将问题公式化为可以解决的线性问题,并使用端对端的卷积网络进行检测和匹配Introduction1.将问题定义为深层结构中的推论问题,使用卷积结果作为候选目标2.匹配成本结合了外观和运动特征(通过一个处理图像和运动的孪生网络)3.我们模型中的推断可以通过解决线性规划的前向推导完成4.可以端到端的训练Method建立了四个布尔变量分别是检测结果是TP的成本,前后两帧的两个检测是一个物体的成本,新轨迹的成本,轨迹终点的成本是TP的成本通过图像和激光雷达检测投影原创 2020-07-30 22:03:48 · 446 阅读 · 0 评论 -
People Tracking by Cooperative Fusion of RADAR and Camera Sensors
Abstract在本文中,我们提出了一种用于人在地平面上跟踪的协作式雷达/摄像机融合方法。 使用平均人员身高,通过将摄像机的检测反投影到雷达距离-角坐标系上,计算了joint detection likelihood。 代表候选目标的联合似然峰值将馈入粒子过滤器跟踪器。 根据关联结果,使用关联的检测(通过检测进行跟踪)或通过采样原始可能性本身(在检测之前进行跟踪)来更新粒子。 利用原始似然数据的优势在于,即使摄像机或RADAR信号低于检测阈值,也可以连续跟踪丢失的目标。我们表明,在单一目标,无杂波的环境原创 2020-07-24 13:56:07 · 342 阅读 · 0 评论 -
Multiobject Tracking as Maximum Weight Independent Set
Brendel, William, Mohamed Amer, and Sinisa Todorovic. “Multiobject tracking as maximum weight independent set.” CVPR 2011. IEEE, 2011.Abstract本文解决了视频中同时跟踪多个目标的问题。 我们首先将对象检测器应用于每个视频帧。 然后,每两个连续的帧对中的检测响应对将用于构建轨迹图。 该图有助于在不违反结果轨道之间硬性和软性上下文约束的情况下,过渡性地链接最匹配的小轨道原创 2020-07-04 20:03:37 · 352 阅读 · 0 评论 -
Multiple Hypothesis Tracking Revisited
Kim, Chanho, et al. “Multiple hypothesis tracking revisited.” Proceedings of the IEEE international conference on computer vision. 2015.Abstract本文在检测跟踪框架中回顾了经典的多重假设跟踪(MHT)算法。 MHT的成功在很大程度上取决于维持少量潜在假设的能力,而当前可用的精确物体检测器可以促进这一可能性。 我们证明了90年代的经典MHT实现可以惊人地接近标准基原创 2020-07-01 22:18:40 · 2987 阅读 · 1 评论 -
Fade:一种单目彩色视觉与雷达数据融合的车辆检测与跟踪系统
Fade:一种单目彩色视觉与雷达数据融合的车辆检测与跟踪系统Fade : A vehicle detection and tracking system featuring monocular color vision and radar data fusionAbstrcat主要创新在于low-level fusion system在每一步,对于每一个目标,融合系统融合四种不同的图像处理算法和雷达信息的结果。通过自动组合12个不同的特征,产生许多可能的目标位置建议它生成了一个由三层组成的beli原创 2020-06-23 21:56:29 · 606 阅读 · 0 评论 -
Automotive Radar Dataset for Deep Learning Based 3D Object Detection
Automotive Radar Dataset for Deep Learning Based3D Object Detection——astyx数据集IntroductionSensor System SetupGround Truth GenereationResult3D Object Detection——astyx数据集)Introduction该数据集包含雷达、激光雷达和相机信息以及带注释的三维地面真实物体。据我们所知,唯一包含汽车雷达数据的公共数据集是最近引入的nuScenes原创 2020-06-17 15:23:25 · 1039 阅读 · 0 评论 -
Online Multi-Target Tracking Using Recurrent Neural Networks
Online Multi-Target Tracking Using Recurrent Neural NetworksAbstractIntroductionOur ApproachPreliminaries and NotationMulti-Target Tracking with RNNsTarget MotionLossInitiation and TerminationLossData Association with LSTMsLossAbstract提出了一种基于递归神经网络(RNN)的原创 2020-05-19 20:09:37 · 438 阅读 · 1 评论 -
Deep Cosine Metric Learning for Person Re-Identification
Deep Cosine Metric Learning for Person Re-IdentificationAbstractIntroductionStand Softmax ClassifierCosine Softmax ClassiferEvaluationWojke, Nicolai and Bewley, Alex2018 IEEE Winter Conference on Applications of Computer Vision (WACV)Abstract构造一种度量学习,从原创 2020-05-12 15:10:08 · 239 阅读 · 0 评论