메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이세은 (순천대학교) 정세훈 (국립순천대학교) 심춘보 (국립순천대학교)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제27권 제11호
발행연도
2024.11
수록면
1,227 - 1,237 (11page)
DOI
10.9717/kmms.2024.27.11.1227

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
MOT(Multiple Object Tracking) plays a crucial role in various applications such as autonomous driving, pedestrian tracking, and video surveillance, with ongoing research aimed at improving tracking performance. However, MOT faces challenges in accurate tracking due to complex scenarios involving object interactions, occlusions, and overlaps across consecutive frames. This paper proposes a novel ap- proach integrating Spatial and Temporal Attention into the Transformer-based TrackFormer model to address these issues. This integration effectively captures spatial relationships among objects within frames and temporal changes of objects across consecutive frames. Experiments conducted on MOT16, MOT17, and MOT20 datasets demonstrate that the proposed method outperforms the original TrackFormer model in key performance metrics. Notably, on the MOT20 dataset, which deals with dense crowd environments, our method achieved 78.2% MOTA, 71.8% IDF1, and 80.2% Recall. These results suggest that the proposed method can adapt to diverse environments and complexities, offering reliable object tracking performance in real-world scenarios.

목차

ABSTRACT
1. 서론
2. 관련 연구
3. 제안하는 방법
4. 실험 및 결과
5. 결론
REFERENCE

참고문헌 (17)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-091188287