用于多目标跟踪数据关联的神经增强信念传播
计算机视觉与模式识别
2022-06-17 v3 机器学习
信号处理
摘要
由多目标跟踪（MOT）方法赋能的态势感知技术将在自主导航与应用海洋科学等领域创造新的服务与应用。信念传播（BP）是一种用于贝叶斯 MOT 的先进方法，但完全依赖于统计模型与预处理后的传感器测量值。本文中，我们建立一种基于模型与数据驱动的混合 MOT 方法。所提出的神经增强信念传播（NEBP）方法利用从原始传感器数据学习到的信息补充 BP，旨在改进数据关联并剔除虚警测量。我们在 nuScenes 自动驾驶数据集上评估了 NEBP 方法的 MOT 性能，并证明其可优于最先进的参考方法。
引用
@article{arxiv.2203.09948,
title = {Neural Enhanced Belief Propagation for Data Association in Multiobject Tracking},
author = {Mingchao Liang and Florian Meyer},
journal= {arXiv preprint arXiv:2203.09948},
year = {2022}
}