Track Quality Based Multitarget Tracking Approach for Global Nearest-Neighbor Association
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In multitarget tracking, in addition to the problem of measurement-to-track association, there are decision problems related to track confirmation and termination. In general, such decisions are taken based on the total number of measurement associations, length of no association sequence, and total lifetime of the track in question. For a better utilization of available information, confidence of the tracker on a particular track can be used. This quantity can be computed using the measurement-to-track association likelihoods corresponding to the particular track, target detection probability for the sensor-target geometry, and false alarm density. A track quality measure is proposed here for assignment-based global nearest neighbor (GNN) trackers. It can be noted that to compute track quality measure for assignment-based data association one needs to consider different detection events than those considered for computation of the track quality measures available in the literature, which are designed for probabilistic data association (PDA) based trackers. In addition to the proposed track quality measure, a multitarget tracker based on it is developed, which is particularly suitable in scenarios with temporarily undetectable targets. In this work, tracks are divided into three sets based on their quality and measurement association history: initial tracks, confirmed tracks, and unobservable tracks. Details of the update procedures of the three track sets are provided. The results show that discriminating tracks on the basis of their track quality can lead to longer track life while decreasing the average false track length.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle