Nosúltimos anos, os avanços em Aprendizado Profundo revolucionaram diversas subareas da Visão Computacional, incluindo o Rastreamento de Objetos Visuais. Um tipo especial de rede neural profunda, a Rede Neural Siamesa, chamou a atenção da comunidade especializada em rastreamento. Ela possui baixo custo computacional e alta eficácia para comparar a similaridade entre objetos. Atualmente, a comunidade científica atingiu resultados notáveis ao aplicar tais redes ao problema de Rastreamento de Objetos Visuais.No entanto, observou-se que limitações dessa rede neural impactam negativamente no rastreamento. Superou-se o problema ao se obter um novo descritor para referência do objeto combinando descritores passados fornecidos pelo rastreador. Em particular, foi proposto a combinação de sinal de descritores em blocos de memórias de longo e de curto prazo, os quais representam a primeira e a mais recente aparência do objeto, respectivamente.Um descritor finalé gerado a partir desses blocos de memória, o qual o rastreador usa como referência. Este trabalho enfatizou-se na obtenção de um método para calcular um banco de filtros otimizado através do uso de um algoritmo genético. O banco de filtroś e utilizado então para gerar a saída da memória de curto prazo. De acordo com experimentos realizados na base de dados OTB, esta proposta apresenta ganhos em comparação com a proposta original da SiamFC. Considerando a métricaárea abaixo da curva, há ganhos de 7.4% e 3.0% para os gráficos de precisão e sucesso, respectivamente, tornando este trabalho comparável a métodos do estato da arte.
We present a method to recover the 3D flying shape of a sail using passive markers. In the navigation and naval architecture domain, retrieving the sail shape may be of immense value to confirm or contest simulation results, and to aid the design of new optimal sails. Our acquisition setup is very simple and low-cost, as it is only necessary to fix a series of printable markers on the sail and register the flying shape in real sailing conditions from a side vessel with a single camera. We reconstruct the average sail shape during an interval where the sailor maintains the sail as stable as possible. The average is further improved by a Bundle Adjustment algorithm. We tested our method in a real sailing scenario and present promising results. Quantitatively, we show the precision in regards to the reconstructed markers area and the reprojected points. Qualitatively, we present feedback from domain experts who evaluated our results and confirmed the usefulness and quality of the reconstructed shape.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.