Multi-Class Multi-Object Tracking in Aerial Images Using Uncertainty Estimation

Hyeongchan  Ham; Seo Junwon; Junhee  Kim; Chungsu  Jang

doi:https://doi.org/10.7780/kjrs.2024.40.1.11

Multi-Class Multi-Object Tracking in Aerial Images Using Uncertainty Estimation

Recommendations

Search

Type: Academic journal

Author: Hyeongchan Ham (국방과학연구소) Seo Junwon (국방과학연구소) Junhee Kim (국방과학연구소) Chungsu Jang (국방과학연구소)

Journal: The Korean Society Of Remote Sensing 대한원격탐사학회지 대한원격탐사학회지 제40권 제1호 KCI Accredited Journals

Published: 2024.2

Pages: 115 - 122 (8page)

DOI: https://doi.org/10.7780/kjrs.2024.40.1.11

Usage

Multi-Class Multi-Object Tracking in Aerial Images Using Uncertainty Estimation

Abstract· Keywords

Report Errors

Multi-object tracking (MOT) is a vital component in understanding the surrounding environ -ments. Previous research has demonstrated that MOT can successfully detect and track surroundingobjects. Nonetheless, inaccurate classification of the tracking objects remains a challenge that needs to besolved. When an object approaching from a distance is recognized, not only detection and tracking butalso classification to determine the level of risk must be performed. However, considering the erroneousclassification results obtained from the detection as the track class can lead to performance degradationproblems. In this paper, we discuss the limitations of classification in tracking under the classificationuncertainty of the detector. To address this problem, a class update module is proposed, which leveragesthe class uncertainty estimation of the detector to mitigate the classification error of the tracker. Weevaluated our approach on the VisDrone-MOT2021 dataset, which includes multi-class and uncertain far-distance object tracking. We show that our method has low certainty at a distant object, and quicklyclassifies the class as the object approaches and the level of certainty increases. In this manner, our methodoutperforms previous approaches across different detectors. In particular, the You Only Look Once(YOLO)v8 detector shows a notable enhancement of 4.33 multi-object tracking accuracy (MOTA) incomparison to the previous state-of-the-art method. This intuitive insight improves MOT to trackapproaching objects from a distance and quickly classify them.

#Detection #Tracking #Uncertainty #Deep learning

No content found

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Recently viewed articles

Comments(0)