Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Strong Baseline: Multi-UAV Tracking via YOLOv12 with BoT-SORT-ReID

Created by
  • Haebom
Category
Empty

저자

Yu-Hsi Chen

개요

열화상 비디오에서 다수의 무인 항공기(UAV)를 탐지하고 추적하는 것은 낮은 대비, 환경적 노이즈, 작은 표적 크기 때문에 본질적으로 어렵습니다. 본 논문은 최근 탐지 및 추적 기술의 발전을 활용하여 열화상 비디오에서 다수의 UAV 추적 문제를 해결하기 위한 간단한 접근 방식을 제시합니다. YOLOv5와 DeepSORT 파이프라인에 의존하는 대신, YOLOv12와 BoT-SORT를 기반으로 하는 추적 프레임워크를 제시하며, 맞춤형 학습 및 추론 전략을 통해 향상시켰습니다. 4차 Anti-UAV Challenge의 지표를 따라 접근 방식을 평가하고 경쟁력 있는 성능을 보여줍니다. 특히, UAV 특징을 풍부하게 하기 위해 대비 향상이나 시간 정보 융합을 사용하지 않고도 강력한 결과를 얻어, 다수 UAV 추적 작업에 대한 "강력한 기준(Strong Baseline)"으로서의 접근 방식을 강조합니다. 구현 세부 정보, 심층적인 실험 분석 및 잠재적인 개선에 대한 논의를 제공합니다. 코드는 https://github.com/wish44165/YOLOv12-BoT-SORT-ReID 에서 이용 가능합니다.

시사점, 한계점

•
시사점:
◦
YOLOv12와 BoT-SORT를 기반으로 한 간단하고 효율적인 다수 UAV 추적 프레임워크 제시.
◦
대비 향상이나 시간 정보 융합 없이 경쟁력 있는 성능 달성.
◦
다수 UAV 추적 작업을 위한 강력한 기준(Strong Baseline) 제공.
◦
구현 코드 공개를 통한 재현성 및 확장성 확보.
•
한계점:
◦
특정 데이터셋(4차 Anti-UAV Challenge 데이터셋)에 대한 성능 평가만 제시. 다른 데이터셋으로의 일반화 가능성에 대한 추가 연구 필요.
◦
YOLOv12와 BoT-SORT에 대한 의존성으로 인한 다른 알고리즘과의 비교 분석 부족.
◦
시간 정보 융합이나 대비 향상 기법을 사용하지 않음으로써 성능 향상 가능성에 대한 추가 연구 필요.
👍
Made with Slashpage