- 博客(4)
- 收藏
- 关注
RSS订阅原创 DeepFusionMOT 论文笔记
一般来说，相机可以检测远程目标，并且能够准确获取目标的外观特征，而激光雷达则很难做到这一点；激光雷达可以获取目标的准确的空间信息，深度信息在 3D MOT 中尤为重要，但基于激光雷达的方法只有在物体靠近时才能开始跟踪。本文提出一种鲁棒、快速的基于相机-LIDAR 融合的 MOT 方法，实现了精度和速度的良好折中。本文设计了一种有效的深度关联机制，并将其嵌入所提出的 MOT 算法中。
2025-01-02 21:12:04
923
1
原创 Joint Multi-Object Detection and Tracking with Camera-LiDAR Fusion for Autonomous Driving 论文笔记
本文提出一种高效的多模态 MOT 框架，创新点主要包括：开发一个端到端的深度神经网络，用于使用 2D 和 3D 量测进行联合目标检测与关联；开发一个强大的亲和度计算模块，以计算 3D 空间中的遮挡感知外观和运动亲和度；开发一个全面的数据关联模块，用于检测置信度、亲和度和开始-结束概率之间的联合优化；一个典型的 MOT 系统包括：1）传感器校准；2）目标检测；3）数据关联；4）轨迹管理；
2025-01-02 17:54:51
819
1
原创 基于深度学习的跨摄像机目标车辆跟踪方法研究
如果当前节点已经被访问过，则跳过该节点，否则检查路径长度是否超过阈值，如果超过阈值则跳过该节点，否则查询该节 点所对应的重识别结果，查看是否有目标车辆，如果有，则将该节点加入到路径中和 Visited 表中，并更新路径长度。PANet的特征融合策略是平等的对待不同尺度的特征，而BiFPN引入了一个权重因子，能够更好地平衡不同尺度的特征信息。其中，IOU指的是真实框与预测框的交并比，ρ为两框中心点的欧氏距离，c为包含两框的最小外接矩形的对角线长度，α为权重稀系数，v是衡量两框的长宽比是否一致；
2024-12-18 15:34:30
1349
原创 DiffusionTrack: Diffusion Model For Multi-Object Tracking 论文笔记
DBT 和 JDT 多目标跟踪面临问题：1）全局与局部不一致；2）鲁棒性和模型复杂性之间的权衡不佳；3）同一视频不同场景缺乏灵活性；方法：本文提出一个简单的模型 DiffusionTrack，采用扩散模型对目标检测和关联共同构建为从成对噪声框到成对真值框的一致去噪扩散过程；
2024-12-16 21:39:53
1356
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人