MétaCan
Menu
Retour à la cohorte
Enregistrement W2156178969 · doi:10.1109/icar.2005.1507512

An overview of a probabilistic tracker for multiple cooperative tracking agents

2006· article· en· W2156178969 sur OpenAlexaff
Roozbeh Mottaghi, Shahram Payandeh

Notice bibliographique

RevueICAR '05. Proceedings., 12th International Conference on Advanced Robotics, 2005. · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueVideo Surveillance and Tracking Methods
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésProbabilistic logicComputer visionComputer scienceRobustness (evolution)Artificial intelligenceTracking (education)ZoomTracking systemVideo trackingObject (grammar)EngineeringKalman filter

Résumé

récupéré en direct d'OpenAlex

An overview of a probabilistic cooperative tracking approach is presented in this paper. First, a new tutorial-like detailed explanation of the condensation algorithm by Isard and Blake, (1998) is described. Then we apply the probabilistic tracker to track an object (easily extendable to multiple objects) according to multiple degrees of freedom of the cameras that are able to pan, tilt and zoom. To increase the robustness of the tracking system we extend the one camera tracking method to multiple camera case and each camera is considered as an agent that can communicate with a central unit or it can act based on its own decision. Each camera will gain a level of reliability during the tracking that is used in probabilistic tracking method to improve the performance

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,005

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.

Tête enseignante Opus0,130
Tête enseignante GPT0,384
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICAR '05. Proceedings., 12th International Conference on Advanced Robotics, 2005.Même sujetVideo Surveillance and Tracking MethodsTravaux en français237 207