Extended target tracking utilizing machine-learning software — with applications to animal classification

要約

この論文では、一連の画像内のオブジェクトを検出および追跡する問題について考察します。
この問題は、物体検出アルゴリズムの出力を測定値として使用して、フィルタリング フレームワークで定式化されます。
物体検出アルゴリズムが誤った予測を出力した場合でも、前のフレームからのクラス情報を組み込んで分類を強化する、フィルタリング公式の拡張が提案されています。
さらに、オブジェクト検出アルゴリズムの特性を利用して、各フレームの境界ボックス検出の不確実性を定量化します。
完全なフィルタリング手法は、スウェーデンの 4 つの大型肉食動物、クマ、オオヤマネコ、オオカミ、クズリのカメラ トラップ画像で評価されます。
実験は、クラス追跡定式化により、より堅牢な分類がもたらされることを示しています。

要約(オリジナル)

This paper considers the problem of detecting and tracking objects in a sequence of images. The problem is formulated in a filtering framework, using the output of object-detection algorithms as measurements. An extension to the filtering formulation is proposed that incorporates class information from the previous frame to robustify the classification, even if the object-detection algorithm outputs an incorrect prediction. Further, the properties of the object-detection algorithm are exploited to quantify the uncertainty of the bounding box detection in each frame. The complete filtering method is evaluated on camera trap images of the four large Swedish carnivores, bear, lynx, wolf, and wolverine. The experiments show that the class tracking formulation leads to a more robust classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google