一种面向神经网络增强的多目标跟踪新型架构
信号处理
2024-10-10 v1 机器学习
机器人学
摘要
多目标跟踪 (MOT) 是机器人、自动驾驶和海洋监视中的重要任务。传统方法基于模型，旨在建立基于序列贝叶斯估计框架的算法。更近期的方法完全数据驱动，依赖神经网络训练。在特定场景下，这两种方法各自展现出优势。特别是在大量用于神经网络训练的标记数据可获得时，数据驱动的 MOT 相较于传统方法具有优势。因此，是否可以构建一个通用且高效的框架来集成这两种方法是一个自然的思考。本文推进了一种最近引入的混合模型驱动和数据驱动方法，称为神经增强贝叶斯传播 (NEBP)。相较于现有的 NEBP MOT 工作，本文引入了一种新型神经网络架构，以提高数据关联和新对象初始化——MOT 两个关键方面。 proposed tracking method 在提交本论文时的 nuScenes LiDAR-only tracking 挑战赛中处于领先地位。
引用
@article{arxiv.2410.06294,
title = {A New Architecture for Neural Enhanced Multiobject Tracking},
author = {Shaoxiu Wei and Mingchao Liang and Florian Meyer},
journal= {arXiv preprint arXiv:2410.06294},
year = {2024}
}