Confidence-Triggered Detection: Accelerating Real-time Tracking-by-detection Systems

要約

リアルタイムのオブジェクト追跡には、速度と精度の間の微妙なバランスが必要ですが、深層学習手法の計算需要によって課題はさらに悪化します。
この論文では、トラッカー信頼スコアを活用して、中間状態によく似たフレームのオブジェクト検出を戦略的にバイパスする革新的なアプローチである信頼トリガー検出 (CTD) を提案します。
CTD は追跡速度を向上させるだけでなく、精度を維持し、既存の追跡アルゴリズムを上回ります。
さまざまなトラッカーの信頼性しきい値にわたる広範な評価を通じて、追跡速度と精度の間の最適なトレードオフを特定し、パラメーターの微調整のための重要な洞察を提供し、現実世界のシナリオにおける CTD の実用性を高めます。
さまざまな検出モデルにわたる私たちの実験は、CTD フレームワークの堅牢性と多用途性を強調し、リソースに制約のある環境でリアルタイム追跡を可能にする可能性を実証しています。

要約(オリジナル)

Real-time object tracking necessitates a delicate balance between speed and accuracy, a challenge exacerbated by the computational demands of deep learning methods. In this paper, we propose Confidence-Triggered Detection (CTD), an innovative approach that strategically bypasses object detection for frames closely resembling intermediate states, leveraging tracker confidence scores. CTD not only enhances tracking speed but also preserves accuracy, surpassing existing tracking algorithms. Through extensive evaluation across various tracker confidence thresholds, we identify an optimal trade-off between tracking speed and accuracy, providing crucial insights for parameter fine-tuning and enhancing CTD’s practicality in real-world scenarios. Our experiments across diverse detection models underscore the robustness and versatility of the CTD framework, demonstrating its potential to enable real-time tracking in resource-constrained environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google