OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto
O Rastreamento de Múltiplos Objetos (MOT) é um problema crítico na visão compu tacional, essencial para entender como objetos se movem e interagem em vídeos. Este campo enfrenta desafios significativos, oclusões e dinâmicas ambientais complexas afetam a precisão e eficiência dos modelos. Enquanto...
| Autor principal: | Araújo Filho, Luiz Carlos |
|---|---|
| Outros Autores: | http://lattes.cnpq.br/6173408842316575, https://orcid.org/ 0000-0002-7501-2087 |
| Grau: | Dissertação |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Amazonas
2024
|
| Assuntos: | |
| Acesso em linha: |
https://tede.ufam.edu.br/handle/tede/10421 |
| id |
oai:https:--tede.ufam.edu.br-handle-:tede-10421 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--tede.ufam.edu.br-handle-:tede-104212024-10-16T05:05:24Z OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto OneTrack - Transformer based models and time efficient for multiple object tracking Araújo Filho, Luiz Carlos Figueiredo, Carlos Maurício http://lattes.cnpq.br/6173408842316575 http://lattes.cnpq.br/9060002746939878 Nakamura , duardo Freire Melo, Tiago Eugênio de https://orcid.org/ 0000-0002-7501-2087 . . . CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Mot Rastreamento rápido Modelo unificado Rastreamento de múltiplos objetos Transformers O Rastreamento de Múltiplos Objetos (MOT) é um problema crítico na visão compu tacional, essencial para entender como objetos se movem e interagem em vídeos. Este campo enfrenta desafios significativos, oclusões e dinâmicas ambientais complexas afetam a precisão e eficiência dos modelos. Enquanto abordagens tradicionais têm se apoiado em Redes Neurais Convolucionais (CNNs), este trabalho apresenta o OneTrack M, um modelo MOT baseado em transformers, projetado para aumentar a eficiência computacional e a precisão do rastreamento. Nossa abordagem simplifica a arquitetura típica baseada em transformers, ao eliminar a necessidade de um modelo decodificador para detecção e rastreamento de objetos. Ao invés disso, apenas o codificador serve como base para a interpretação de dados temporais, reduzindo significativamente o tempo de processamento e aumentando a velocidade de inferência. Paralelamente, emprega-se técnicas inovadoras de pré-processamento de dados e treinamento mul titarefa para abordar desafios diversos de objetivos dentro de um único conjunto de pesos. Resultados experimentais demonstram o OneTrack-M alcançando tempos de inferência pelo menos 25% mais rápidos em comparação com modelos de ponta na literatura, mantendo ou melhorando as métricas de precisão de rastreamento. Essas melhorias destacam o potencial da solução proposta para aplicações em tempo real, como veículos autônomos e sistemas de vigilância, tais respostas rápidas são cruciais para a eficácia do sistema. Tracking Multiple Objects (MOT) is a critical problem in computer vision, essential for understanding how objects move and interact in videos. This field faces significant challenges, as occlusions and complex environmental dynamics affect the accuracy and efficiency of models. While traditional approaches have relied on Convolutional Neural Networks (CNNs), this work presents OneTrack-M, a MOT model based on transformers, designed to enhance computational efficiency and tracking accuracy. Our approach simplifies the typical transformer-based architecture by eliminating the need for a decoder model for object detection and tracking. Instead, only the encoder serves as the basis for interpreting temporal data, significantly reducing processing time and increasing inference speed. In parallel, innovative data preprocessing techniques and multitask training are employed to address various objectives within a single set of weights. Experimental results demonstrate that OneTrack-M achieves inference times at least 25% faster compared to state-of-the-art models in the literature, while maintaining or improving tracking accuracy metrics. These improvements highlight the proposed solution’s potential for real-time applications, such as autonomous vehicles and surveillance systems, where quick responses are crucial for system effectiveness. 2024-10-15T20:51:57Z 2024-08-08 Dissertação ARAUJO FILHO, Luiz Carlos. OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto. 2024. 85 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus (AM), 2024. https://tede.ufam.edu.br/handle/tede/10421 por Acesso Aberto https://creativecommons.org/licenses/by-nc-nd/4.0/ application/pdf Universidade Federal do Amazonas Instituto de Computação Brasil UFAM Programa de Pós-graduação em Informática |
| institution |
TEDE - Universidade Federal do Amazonas |
| collection |
TEDE-UFAM |
| language |
por |
| topic |
. . . CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Mot Rastreamento rápido Modelo unificado Rastreamento de múltiplos objetos Transformers |
| spellingShingle |
. . . CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Mot Rastreamento rápido Modelo unificado Rastreamento de múltiplos objetos Transformers Araújo Filho, Luiz Carlos OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto |
| topic_facet |
. . . CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: ENGENHARIA DE SOFTWARE Mot Rastreamento rápido Modelo unificado Rastreamento de múltiplos objetos Transformers |
| description |
O Rastreamento de Múltiplos Objetos (MOT) é um problema crítico na visão compu tacional, essencial para entender como objetos se movem e interagem em vídeos. Este
campo enfrenta desafios significativos, oclusões e dinâmicas ambientais complexas
afetam a precisão e eficiência dos modelos. Enquanto abordagens tradicionais têm se
apoiado em Redes Neurais Convolucionais (CNNs), este trabalho apresenta o OneTrack M, um modelo MOT baseado em transformers, projetado para aumentar a eficiência
computacional e a precisão do rastreamento. Nossa abordagem simplifica a arquitetura
típica baseada em transformers, ao eliminar a necessidade de um modelo decodificador
para detecção e rastreamento de objetos. Ao invés disso, apenas o codificador serve
como base para a interpretação de dados temporais, reduzindo significativamente o
tempo de processamento e aumentando a velocidade de inferência. Paralelamente,
emprega-se técnicas inovadoras de pré-processamento de dados e treinamento mul titarefa para abordar desafios diversos de objetivos dentro de um único conjunto de
pesos. Resultados experimentais demonstram o OneTrack-M alcançando tempos de
inferência pelo menos 25% mais rápidos em comparação com modelos de ponta na
literatura, mantendo ou melhorando as métricas de precisão de rastreamento. Essas
melhorias destacam o potencial da solução proposta para aplicações em tempo real,
como veículos autônomos e sistemas de vigilância, tais respostas rápidas são cruciais
para a eficácia do sistema. |
| author_additional |
Figueiredo, Carlos Maurício |
| author_additionalStr |
Figueiredo, Carlos Maurício |
| format |
Dissertação |
| author |
Araújo Filho, Luiz Carlos |
| author2 |
http://lattes.cnpq.br/6173408842316575 https://orcid.org/ 0000-0002-7501-2087 |
| author2Str |
http://lattes.cnpq.br/6173408842316575 https://orcid.org/ 0000-0002-7501-2087 |
| title |
OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto |
| title_short |
OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto |
| title_full |
OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto |
| title_fullStr |
OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto |
| title_full_unstemmed |
OneTrack - Modelos Baseados em Transformers e Eficientes em Tempo de Inferência para Rastreamento de Múltiplos Objeto |
| title_sort |
onetrack - modelos baseados em transformers e eficientes em tempo de inferência para rastreamento de múltiplos objeto |
| publisher |
Universidade Federal do Amazonas |
| publishDate |
2024 |
| url |
https://tede.ufam.edu.br/handle/tede/10421 |
| _version_ |
1831970367942426624 |
| score |
11.753896 |